基于深度学习的深层次矿化信息挖掘与集成

矿产预测的核心是对地学空间数据进行特征提取与集成融合,当前的研究热点和前沿聚焦于深层次矿化信息特征提取与集成。进入大数据时代,如何基于机器学习开展深层次矿化信息挖掘与集成是当前矿产预测的前沿领域。本文介绍了基于机器学习的矿产预测与评价研究的主要内容,深度学习的基本原理,以及深度学习在地球化学异常识别和多源找矿信息集成融合中的应用。研究结果表明,深度学习可有效识别和提取地球化学异常,并能对地质、地球物理、地球化学等多源地学数据进行特征提取、集成融合及找矿远景区圈定。尽管如此,如何把深度学习与地质约束有机结合,使其既能有效挖掘与集成深层次矿化信息,又符合地质认知,还需要更加深入的研究。     

基于深度学习的地质找矿大数据挖掘与集成的挑战

基于深度学习的地质找矿信息挖掘与集成已经成为数学地球科学的前沿领域.深度学习作为一种具有多级非线性变换的层级机器学习算法,在地质找矿大数据挖掘与集成中仍处于探索阶段,还有一系列问题亟需解决.以卷积神经网络为例,探讨了基于深度学习的地质找矿大数据挖掘与集成过程中两大挑战:训练样本不足和深度学习网络模型构建困难,重点分析了基于复制和添加噪声的地质找矿数据增强技术并开展了多组对比实验,构建了适用于地质找矿大数据挖掘与集成的训练样本和卷积神经网络模型.该模型对闽西南铁多金属成矿区的地质、地球物理和地球化学等多源数据进行了特征提取与集成融合,圈定了找矿远景区,为该区进一步找矿提供了科学依据.      

机器学习与成矿预测:以闽西南铁多金属矿预测为例

作为近年来爆炸式发展的方法模型,机器学习为地质找矿提供了新的思维和研究方法。本文探讨矿产预测研究的理论方法体系,总结机器学习在矿产预测领域的特征信息提取和信息综合集成两个方面的应用现状,并讨论机器学习在矿产资源定量预测领域面临的训练样本稀少且不均衡、模型训练中缺乏不确定性评估、缺少反哺研究、方法选择等困难和挑战。进一步以闽西南马坑式铁矿为实例论述基于机器学习方法的矿产预测基本流程:(1)通过成矿系统研究建立成矿模型,确定矿床控矿要素;(2)通过勘查系统研究建立找矿模型,并为评价预测提供相关的勘查数据;(3)通过预测评价系统研究,建立预测模型,并提取预测要素;(4)利用机器学习模型对预测要素进行信息综合集成,获取成矿有利度图;(5)对预测性能和结果进行不确定性评估;(6)找矿靶区/成矿远景区圈定及资源量估算。最后,总结建立以地学大数据和地球系统理论为指导,以“地球系统-成矿系统-勘查系统-预测评价系统”为研究路线的基于地学大数据的矿产资源定量预测理论和方法体系的研究愿景。     

机器学习方法在矿产资源定量预测应用研究进展

回顾了国内外在矿产资源定量预测研究领域的发展历程,对近十年来国外相关方向的文献进行了统计对比分析,结果显示机器学习方法已经成为矿产资源定量预测研究领域的热点方向,并主要在如下3个方面发挥了积极的作用:(1)提取和挖掘复杂数据中隐藏的难以识别的矿化信息;(2)致矿异常信息关联与转换;(3)多源地学数据的致矿异常信息融合、预测和发现矿床。对逻辑回归、人工神经网络、随机森林与支持向量机等主要机器学习算法与模型在矿产资源定量预测实践中的应用效果进行了评述,并探讨了在实际应用过程中存在的样本选择、错分代价、不确定性评价以及模型性能评价等主要问题及目前的解决方案。最后提出基于大数据与机器学习的矿产资源定量预测是未来发展的重要趋势。     

基于机器学习的三维矿产定量预测——以四川拉拉铜矿为例

在大数据蓬勃发展的时代背景下,矿产资源定量预测作为地质大数据的核心部分,其综合分析挖掘多元信息的基本思路与大数据的理念不谋而合。以四川拉拉铜矿为例,开展基于机器学习的三维矿产资源定量预测。通过建立三维地质模型,提取成矿有利信息,构建研究区定量预测模型;基于"立方块预测模型"找矿方法,采用机器学习随机森林算法,计算出研究区成矿概率分布,以此圈定出5个找矿远景区。结果表明,随机森林具有更高的预测准确度与稳定性,且能够对控矿要素重要性做出定量评价。该研究成功地将机器学习应用于三维矿产定量预测,为今后的矿产资源预测评价做出了积极的探索。     

成矿区三维可视化与立体定量预测——以钦-杭成矿带庞西垌地区下园垌铅锌矿区为例

矿产资源是人类生存与社会进步的根本物质保障。近年来,随着地表矿、浅部矿产资源的日益枯竭,采用新技术、新方法的深部矿产资源预测成为地质勘查的主要研究方向。基于数字化、三维可视化及矿产定量预测为主的三维地质建模技术,为当前矿产资源远景预测与找矿工作提供了有力的工具。本文在现代成矿预测理论研究基础上,运用三维地质建模技术建立了钦杭成矿带下园垌矿区地质、地球物理、地球化学、钻孔等三维模型,揭示了区内构造地质特征、地球化学异常表征及地层岩体要素,据此探讨了矿床的成因及矿体分布特征。并在此基础上,采用证据权方法对研究区地质、地球物理、地球化学等多源信息进行融合,运用断裂缓冲区、地球化学异常、东岗岭组沉积岩地层等为证据因子来计算单位体积成矿后验概率,进行立体成矿预测,并圈定出铁锰矿、方铅闪锌矿、铅锌银综合矿等3处找矿有利靶区及估算出预测区内矿产资源储量总量为88710吨。研究结果表明:综合分析地质、地球物理、地球化学及钻孔数据进行矿区的三维地质空间定位、定量预测研究,可以有效的识别矿致异常信息,圈定找矿远景区,为成矿预测研究领域提供了新方向,可以将此方法应用至其他矿山。     

支持向量机、随机森林和人工神经网络机器学习算法在地球化学异常信息提取中的对比研究

地球化学勘查是通过发现异常、解释评价异常进行找矿的。因此,地球化学异常识别对矿产资源的定位、定量预测具有重要的的指示作用。在大数据时代的背景下,机器学习方法不要求数据满足正态分布的分布形式,且具有非线性以及泛化能力强等特点,因而逐渐地被应用于矿产资源的定量预测评价,如神经网络、支持向量机、贝叶斯网络、随机森林、受限玻尔兹曼机、极限学习机等。本文通过设计理论实验,可视化了不同算法,提出了不同机器学习方法在不同地区的地球化学异常信息提取中的效果存在不一致性的假设。在此基础上,以湖南香花岭锡多金属矿整装勘查区及甘肃合作金矿整装勘查区的地球化学异常提取为研究内容,将人工神经网络、随机森林以及支持向量机应用于研究区地球化学异常信息的提取与识别工作。在香花岭研究区,人工神经网络的结果较好,在合作研究区,随机森林的结果较好,从而验证了上述假设。通过生成两研究区的地球化学异常图,讨论了该方法在两研究区地球化学异常的地质意义和该方法的可靠性与实用性。此外,还完善了基于多种监督机器学习方法的地球化学异常信息提取流程,为软件开发提供了一定的理论依据。     

基于地质大数据理念的模型驱动矿产资源定量预测

在大数据科学成为新的科学范式的背景下,基于地质大数据理念,提出了模型驱动的矿产资源定量预测评价的新方法,以及模型流程建模技术贯穿整个矿产资源预测评价过程的新思路,以地质理论指导地质大数据分析和计算机技术实现地质大数据挖掘2条主线展开研究,实现了面向地质大数据的数据挖掘与矿产资源的定量预测评价。结合青海祁漫塔格铁铜多金属矿床、山东焦家金矿床、云南个旧锡铜多金属矿床等不同地区、不同成矿类型和矿种开展了应用研究,完成了找矿模型工作流的设计与实现,进行了有利成矿信息的挖掘,取得了较好的效果,为大数据时代数字地质研究提供了新的思路。     

大数据环境下内蒙古浩布高地区铅锌多金属矿智能矿产预测研究

传统机器学习算法已广泛应用于矿产预测,但面对地质大数据的高维稀疏、不平衡小样本等特性仍缺乏有效处理和分析的方法,设计适合地质大数据特点的机器学习算法是智能矿产预测亟需解决的新问题。本文以内蒙古浩布高地区的铅锌多金属矿产预测为例,提出了一种面向地质大数据的半监督协同训练矿产预测模型。首先对研究区地质找矿信息和地球化学异常信息进行定量分析,提取断裂构造、二叠系地层、燕山期侵入岩、地层与岩体接触带、围岩蚀变及Pb、Zn、Sn、Cu地球化学异常共9种找矿因子。然后利用递归特征消除法优选找矿因子组合,不包括Sn异常在内的8个找矿因子组合被选为最优组合。最后,利用支持向量机和随机森林算法作为基分类器进行半监督协同训练矿产预测,绘制成矿概率分布图。ROC曲线和预测度曲线分析结果表明,半监督协同训练模型的AUC值和预测效率都高于随机森林和支持向量机模型。研究结果也为大数据环境下的智能矿产预测提供了一种新的思路。     

隐伏矿床成矿预测理论与方法新进展

本文对隐伏矿床在国内外的定义、分类与特点进行了讨论,对隐伏矿床的分类的认识应从三维转变到四维,时间使得隐伏矿床的分类相互转化,因此对隐伏矿床的分类应结合当下实际情况。经过长期的野外实践总结,在大数据时代与3S科技背景下,在传统的隐伏矿床预侧理论与勘查技术方法上,提出以大数据成矿预侧理论指导找矿,以空间数据库、移动GIS和物化探设备集成的高效找矿技术方法,成为当今快速评价中小矿山企业远景区成矿潜力的重要理论与技术方法,探讨不同地区、不同矿床类型的勘查技术方法组合应是进一步研究的重点。传统的隐伏矿床成矿预测理论与方法在3S科技背景下趋向于大数据成矿预测与移动GIS勘查技术方法方向发展,应加强成矿预测理论与方法彼此之间的有效衔接、转化与应用,朝着多元成矿预测理论、多元勘查技术方法、多源信息数据集成成矿预测发展。     

基于循环神经网络的找矿模型构建与预测

在大数据和人工智能背景下,基于已有的传统地质找矿模型建立与应用基础,提出基于循环神经网络的找矿模型构建与预测方法,实现对地质数据的深入分析和理解。针对地质找矿模型构建与预测的需求,结合数据清洗理论,对传统地质找矿模型进行归纳与总结,建立地质找矿知识库,为深度学习算法提供训练数据。通过分类算法研究,综合对比结果的准确率与分类所用时间,最终选用RNN分类算法对找矿概念模型进行分类。在建立研究区找矿模型中,通过关键词与控矿要素完成模型匹配,利用模型计算对模型匹配结果进行数据分析,实现区域地质找矿模型的构建与矿产资源的预测评价和分析。以大水金矿为例,快速准确地实现了找矿模型的构建,有效地对矿产资源预测工作提供了指导,验证了该方法的可行性。     

Expert System for Statistical Prediction of Mineral Deposits on Middle and Large Scales

The expert system for statistical prediction of mineral deposits on middle and large scales takes the system of scientific exploration theories, criteria and methods proposed by Professor Zhao Pengda as the field expert knowledge. At present the developed system focuses on two aspects: synthetic exploration and quantitative exploration. Among the three basic theories for the prediction of deposits, it highlights the applications of seeking anomaly theory. This system is characteristic in the determination of geological background, the study of geological anomalies and the delineation of geological background, the study of geological anomalies and the delineation of mineralization anomalies. The system combines closely the knowledge base, method base and database ,integrates the input and output information of multi-sources and multi-variables, data , graphs and imagine processing system and inquiring system as a whole . So the system can meet in general all kinds of demands in statistical prediction of m     

化探数据挖掘在金矿找矿及靶区优选中的应用——以甘肃玉石山地区为例

由于自然界中Au元素呈微粒状、不均匀状态分布,致使部分金矿床(点)没有与之对应的Au元素异常出现,增加了通过元素异常开展地质找矿和成矿预测研究的难度。本文依据地学大数据"查明数据间的相关关系,解决地质问题"这一基本思路,以甘肃玉石山地区化探数据为研究对象,建立起研究区全样本Au元素回归模拟模型和异常样本Au元素回归模拟模型,分别计算全样本Au元素回归理论值(Au Q)和异常样本的回归理论值(Au Y)。通过异常查证,在Au Q异常区发现金矿点1处,在Au Y异常区发现金矿点3处(一处达到小型规模),取得了很好的找矿效果。进一步对Au、Au Q、Au Y分别做正规化处理相加获得综合理论值(Au H),以Au H圈定的综合异常使研究区75%金矿床(点)分布在研究区7. 1%面积范围内,有效地缩小了找矿靶区的范围,解决了小范围研究区内因已知矿床(点)不足而无法开展定量找矿预测的难题。结合异常强度和地质背景分析,在研究区划分出3级共10个找矿靶区,为今后在该区找矿工作提供了基础依据。     

广东省仁化县书楼丘铀矿床三维地质建模及成矿预测

综合地质、地球化学等资料进行多元信息成矿预测是目前深部固体矿产主要工作方法。广东仁化县书楼丘铀矿床位于诸广南铀矿田北部,是诸广南铀矿田重要的组成之一。本次为了拓宽书楼丘矿床深部找矿思路,探讨其找矿潜力,在前人研究和勘探基础上,总结了矿床综合信息找矿模型,以三维定量预测研究理论基础,根据矿床成矿条件和找矿标志特征,提取地质、化探、钻探资料的成矿有利信息,并利用COCAD软件构建了地形-地表、岩体、构造、矿体等地质模型,对信息进行综合成矿有利分析,运用信息量法进行研究区深部矿产资源预测,共圈定了3片靶区。