一种基于GIS的多模型统计结果的自动综合方法

当用多种统计数学模型预测矿产资源靶区时,预测结果往往是不同的,需要进一步的统计综合。本文探讨了ＧＩＳ矿产资源统计预测中,将不同统计预测结果进行自动综合的计算机算法,以ＭａｐＩｎｆｏ 为软件平台,用ＭａｐＢａｓｉｃ语言编制了算法的计算机程序,在该软件平台中实现了多模型统计预测结果的自动综合。     

GIS中多模型预测自动综合的原理与算法

提出了在ＧＩＳ矿产资源靶区预测研究中自动综合多模型统计结果的两种方案,概括了用两种方案进行自动综合的基本原理,研制了在ＧＩＳ软件平台中用这两种方案实现多模型统计结果自动综合的计算机算法。     

一种基于GIS的矿产资源潜力评价的自动制图模型

在基于GIS技术的矿产资源评价工作中,矿产资源潜力评价的自动制图模型通常用来统计综合多源地学信息以便自动圈定成矿远景靶区。在本文中,笔者以人工智能研究领域中的一种不确定推理模型——确定性理论为基础,提出了一种新的矿产资源潜力评价的自动制图模型——合成有矿可信度模型。该模型可以根据研究区各种成矿有利和不利证据的空间分布图,统计生成对应于每一种证据的有矿可信度栅格图,然后,按照特定的有矿可信度合成规则,将所有的有矿可信度栅格图统计综合生成合成有矿可信度栅格图。以该图为依据,可以把研究区内合成有矿可信度相对较高的成矿远景区圈定出来。也可以生成研究区合成有矿可信度等值线图。应用该模型预测了新疆北部多拉纳萨依—阿舍勒地区的多金属成矿远景,并将预测结果与证据加权模型预测结果进行了比较,两种模型的预测结果基本相似,证明了该模型的有效性和实用性。     

一种基于GIS的矿产资源的潜力评价的自动制图模型

在基于GIS技术的矿产资源评价工作中，矿产资源潜力评价的自动制图模型通常用来统计综合多源地学信息以便自动圈定成矿远景靶区。在本文中，笔者以人工智能研究领域中的一种不确定推理模型－确定性理论为基础，提出了一种新的矿产资源潜力评价的自动制图模型－合成有矿可信度模型。该模型可以根据研究区各种成矿有利和不利证据的空间分布图，统计生成对应于每一种证据的有矿可信度栅格图。然后，按照特定的有矿可信度合成规则，将所有的有矿可度栅格图统计综合生成合成有矿可信度栅格图。以该图为依据，可以把研究区内合成有矿可信度相对较高的成矿远景区圈定出来。也可以生成研究区合成有矿可信度等值线图。应用该模型预测了新疆北部多拉纳萨依－阿舍勒地区的多金属臧放远景，并将预测结果与证据加权模型预测结果进行了比较，两种模型的预测的结果基本相似， 证明了该模型的有效性和实用性。     

GIS(MaPInf0)矿产预测地质体单元的自动生成

本文概括了综合信息矿产资源预测地质体单元的基本概念和划分原则.论述了在GIS(MapInfo)中自动生成地质体单元的原理.研制了基于MapInfo软件平台的地质体单元自动生成的计算机算法.     

误差反向传播算法在含矿预测中的应用

本文用Back-Propagation算法在层次模型的人工神经网络中处理矿产资源统计预测问题,得出与数量化理论Ⅱ处理极为相似的结果。     

矿产资源定量预测的研究现状

随着地质数据收集技术和数据处理技术的迅速发展及成矿理论的进展,矿产资源定量预测已由初期的主要应用数学方法进行统计预测发展演变为以计算机技术为手段,多种信息的综合预测,成矿预测的方法更加科学和完善,文章总结了近年来在矿产资源预测方面取得的一些进展及发展趋势.     

矿产资源调查数据处理与综合分析子系统设计

矿产资源调查数据处理与综合分析子系统是基于 GIS 技术服务于矿产资源勘查、评价工作的计算机综合系统,它能在地质专家的指导下和计算机硬、软件的支持下,高效地完成数据的准备、空间数据库建设、成矿地质环境分析、找矿信息提取与综合、矿产资源评价与预测(包括找矿远景区圈定、矿产资源潜力评价、靶区优先与工作部署),并能对结果进行综合显示和各种输出.设计了矿产资源调查数据处理与综合分析子系统的数据流程和系统结构,并在全国选取了7个不同成矿地质背景、不同工作程度、不同矿种的重要成矿区带进行示范研究,结果显示矿产资源调查数据处理与综合分析子系统的数据结构合理,系统功能模块划分得当,其功能涵盖了数据处理、信息提取、信息综合和成果表达,适用于矿产预测评价的各个阶段.     

矿产资源评价中几个地球化学问题的探讨

对矿床形成条件和成矿规律的认识是不同比例尺矿产资源定量预测和区域合矿性评价的基础.在这个基础上综合我们的认识和经验建立具有普遍意义的矿床成因模型,并根据具体情况还要建立适合于个别成因类型矿床的亚模型,以使矿产资源预测结果更接近客观实际.     

一种改进的基于独立成份分析的矿产预测方法

矿产统计预测是一项"把区域地质、成矿规律、地质数学信息和概念加以综合,并用计算机进行综合评价的工作"(阿格特伯格,1974).目前公认最佳的预测方法是利用地质、矿产、遥感、地球物理和地球化学等多种信息进行资源评价的综合信息矿产资源定量预测(王世称等,2000).但一些传统的分析处理方法,如主成分分析,相关性分析,致矿异常下限等均只利用了数据的低阶统计特性,具有一定的局限性,再加上空间地学信息的复杂性,数据挖掘效果不是十分理想,不能很好的表征矿产特征,因此预测结果往往与实际矿产储量情况不符.为了更深层次的挖掘地学信息,我们提出引进一种目前只用于信号处理的高阶统计方法--独立成分分析(Independent Component Analysis,ICA)来进行矿产预测,并借鉴因子分析的思想解决独立成分分析算法不确定性的局限,使其更加适合处理地质矿产数据,结果也更加便于制图解释.