卷积神经网络在智能找矿预测中的应用
大数据人工智能地质学刚刚起步,基于大数据与机器学习智能算法进行地质知识发现的研究是非常有意义的探索性实验.成矿预测是人工智能地质学的重要任务之一.利用大数据和机器学习解决矿产预测问题,有助于人们克服不能全面考虑地质变量的困难及评估当前模型在已有数据的可靠性.本文以安徽省兆吉口铅锌矿床为例,运用卷积神经网络分析方法,通过机器学习获得Pb元素地表分布与矿体赋存空间之间的逻辑回归关系,建立矿产资源预测模型,并对未知区进行预测.
矿产资源 预测模型 卷积神经网络 机器学习
刘艳鹏 朱立新 马生明 周永章 弓秋丽 唐世新 焦守涛 李兴远 王俊 王语 王堃屹 刘心怡 韩紫奇 耿厅
中山大学地球科学与工程学院,广州510275;广东省地质过程与矿产资源探查重点实验室,广州510275;中山大学地球环境与地球资源研究中心,广州510275 中国地质调查局,北京100037 中国地质科学院地球物理地球化学勘查研究所,廊坊064000 广东省地质过程与矿产资源探查重点实验室,广州510275;中山大学地球环境与地球资源研究中心,广州510275
国内会议
杭州
中文
1246-1247
2019-04-19（万方平台首次上网日期，不代表论文的发表时间）