BP神经网络在土壤重金属污染分析中的应用

以湖南株洲市区中西部为研究区域,获取该区域35个土壤样本和多光谱数据,基于多元线性回归（MLR）、偏最小二乘回归（PLS）、BP神经网络回归模型（BP）,分别建立土壤重金属（Cr、Cu、Ni）含量的反演模型,并对模型预测效果进行检验。建模与预测综合效果：BP模型＞PLS模型＞MLR模型,BP神经网络回归模型的效果远远好于其他2组,尤其适合分析具有非明确关系的2组数据。其中,Cr元素回归模型为最佳拟合模型,建模和预测R2分别为0.917 4、0.811 0,建模均方根误差和预测均方根误差分别为8.269 3、16.870 7,说明基于多光谱数据反演土壤重金属含量有一定的可行性。     

滇西盈江地区新泡山离子吸附型稀土矿床成矿条件及找矿前景

滇西盈江地区是近年来离子吸附型稀土矿床找矿突破较大的地区,典型代表为腾冲岩浆弧内新发现的新泡山稀土矿床,为一中型离子吸附型稀土矿床,是滇西高海拔地区新发现的典型矿床。新泡山稀土矿床的发现对今后高海拔地区的找矿工作具有重要的示范意义。通过对新泡山稀土矿床的地质特征、风化壳结构特征、矿体垂向变化特征进行研究,认为新泡山稀土矿床类型为富钕轻稀土离子吸附型稀土矿床,并伴生有重稀土钇。滇西盈江地区与花岗岩有关的离子吸附型稀土矿主要受控于母岩稀土元素丰度、气候以及地形地貌。"沟-谷-盆"地貌两侧及周缘低缓山丘和平缓山坡、山脊是有利的成矿部位。结合区域找矿成果,认为研究区稀土矿找矿潜力较大,可达超大型远景规模,在后续的找矿工作中应加强对重稀土元素钇的评价。     

基于CASI & SASI航空高光谱的雄安新区西南部农田土壤 重金属镍含量反演研究

农田土壤中重金属元素富集会严重制约农作物的生长,且对人类健康造成潜在威胁。高光谱遥感数据具有极高的光谱分辨率,因而可在土壤重金属污染元素信息的定量研究中发挥重要作用。本文以雄安新区西南部及其周边农田土壤作为研究对象,在实验室测定土壤重金属元素Ni的含量,并与土壤可见-近红外高光谱数据建立土壤重金属Ni含量的定量估测模型,进一步基于CASI&SASI航空高光谱数据快速反演研究区农田土壤重金属Ni的含量,获取其分布特征。本文研究并建立了研究区土壤重金属元素基于不同光谱变换形式的多元逐步回归、偏最小二乘回归和BP神经网络统计估算模型,通过模型验证与对比,探索研究区土壤重金属Ni元素含量的最优反演模型。研究结果表明: （1）基于各光谱变换的BP神经网络模型的建模和预测精度整体上大于偏最小二乘法和多元逐步回归法模型,模型拟合精度高,预测能力较好;（2）综合来看,一阶微分处理能普遍改善模型预测效果,其中BP神经网络模型的一阶微分变换结果最佳,对于Ni元素建模精度R2高达97.1%,验证集精度R2高达98%以上;（3）选用精度最好的BP神经网络模型,通过CASI&SASI高光谱数据对研究区重金属Ni含量进行反演,反演结果与实测Ni含量数据一致性很好。     

湖南省稀土矿成矿条件及离子吸附型稀土矿形成机制

湖南省稀土矿主要成因类型有离子吸附型与砂矿型2种,离子吸附型稀土矿已勘查评价矿区4个,代表矿床有江华县姑婆山稀土矿。砂矿型稀土矿已勘查评价矿区7个,代表矿床有华容县三朗堰独居石砂矿。     

试论广西离子吸附型矿床

文章综述了广西已发现的离子吸附型稀土矿床和金矿床的矿源体类型及其成因机理,以及矿床特征,并对广西可能存在的其它矿种的离子吸附型矿床成矿条件进行分析和预测。     

莱州湾凹陷垦利油田沙河街组储层渗透率评价模型研究

文章以莱州湾凹陷垦利油田沙河街组储层为例,对传统的回归统计模型和基于BP神经网络的人工智能预测模型评价储层渗透率方法和效果进行了对比研究。目标储量报告里定火沙三段中孔、中渗;岩性（粒度）和孔隙度是储层渗透率的主要影响因素。根据岩心及测井数据,建立了孔隙度——粒度二元回归渗透率统计评价模型和BP神经网络渗透率预测模型。通过检验样本集精度对比,分析了隐含层数、隐含层节点数等网络结构参数变化对模型预测结果的影响,重点分析了不同的测井参数输入对BP神经网络模型预测结果的影响。优化后的BP神经网络模型对检验样本集的渗透率预测结果精度最高,其平均相对误差为37%,比传统的二元回归统计模型精度提高了26%。对目标油田三口井连续处理,BP神经网络模型渗透率预测结果更加合理,可以满足开发层段产能分析等生产需求。     

赣南地区变质岩离子吸附型稀土矿床地质特征及找矿方向

通过对赣南地区变质岩离子吸附型稀土矿床进行岩石学、稀土元素地球化学和矿床地质特征研究,探讨变质岩离子吸附型稀土矿床的控矿因素、矿床成因及下一步找矿方向。赣南地区变质岩的原岩时代主要为青白口纪—奥陶纪,变质岩的稀土元素丰度较高,属轻稀土富集型。已发现的离子吸附型稀土矿床主要赋存于震旦纪—青白口纪变质岩中,以青白口纪库里组和南华纪寻乌岩组为主。石城—宁都—瑞金浅变质岩区和会昌—安远—寻乌中深变质岩区可作为离子吸附型稀土矿勘查的首选地区。     

基于遗传算法优化BP神经网络的玉米遥感估产方法

以内蒙古自治区开鲁县玉米作物为研究对象,将生育期内玉米遥感影像所提取的多种植被指数和实地采样点的测产数据作为训练值,利用BP(back propagation)神经网络和遗传算法优化BP(GA-BP)神经网络估产模型,得出网络预测的玉米产量数值。通过决定系数R 2和均方根误差RMSE,比较实测产量与预测产量之间的精度,BP神经网络模型R^2为0.8452,RMSE(%)为28.37;遗传算法优化BP神经网络模型R^2为0.9850,RMSE(%)为6.70,表明遗传算法优化BP神经网络估产模型具有一定可行性和可信度。     

云南宣威地区离子吸附型稀土矿成矿条件与找矿思路

随着贵州西部地区毕节、威宁、赫章等地玄武岩风化壳中离子吸附型稀土矿点的发现,广泛分布于川滇黔三省的峨眉山玄武岩成为一个新的离子吸附型稀土矿重点找矿远景区。本文初步探析了云南宣威地区离子吸附型稀土矿成矿条件,结合赣南地区离子吸附型稀土矿找矿经验,提出了云南宣威地区快速圈定稀土矿找矿靶区的思路。通过云南宣威地区某项目找矿实践,在区内共圈定4个离子吸附型稀土矿找矿靶区,取得了较好的找矿效果。     

广西云开地区风化壳离子吸附型稀土矿矿床特征及成矿模式

广西云开地区位于武夷一云开岩盆系武夷岩浆弧广宁深成岩带、华夏古陆与南华活动带的交切部位,其花岗岩侵入岩体风化壳内常富集离子型稀土矿,特别是中性、基性、超基性杂岩体风化壳内找矿前景较好。文章从区域地质、物化探特征和矿床形成条件等方面分析了风化壳离子吸附型稀土矿矿床特征,同时列举了云开地区典型的风化壳离子吸附型稀土矿床。     

应用遥感技术提取含稀土矿花岗岩信息

通过分析花岗岩风化壳离子吸附型稀土矿的成矿特征及地质地貌图,利用遥感手段总结出五个步骤确定该类稀土矿表面积,经过去除水系、第四系、高坡度区以及高植被覆盖区后,利用主成分分析法提取羟基异常信息,进一步确定其分布范围,经过与已知稀土矿矿床、矿（化）点分布资料验证,效果良好。     

A case study for the integration of predictive mineral potential maps

This study aims to elaborate on the mineral potential maps using various models and verify the accuracy for the epithermal gold (Au) — silver (Ag) deposits in a Geographic Information System (GIS) environment assuming that all deposits shared a common genesis. The maps of potential Au and Ag deposits were produced by geological data in Taebaeksan mineralized area, Korea. The methodological framework consists of three main steps: 1) identification of spatial relationships 2) quantification of such relationships and 3) combination of multiple quantified relationships. A spatial database containing 46 Au-Ag deposits was constructed using GIS. The spatial association between training deposits and 26 related factors were identified and quantified by probabilistic and statistical modelling. The mineral potential maps were generated by integrating all factors using the overlay method and recombined afterwards using the likelihood ratio model. They were verified by comparison with test mineral deposit locations. The verification revealed that the combined mineral potential map had the greatest accuracy (83.97%), whereas it was 72.24%, 65.85%, 72.23% and 71.02% for the likelihood ratio, weight of evidence, logistic regression and artificial neural network models, respectively. The mineral potential map can provide useful information for the mineral resource development.     

广东禾尚田矿区新类型风化壳离子吸附型稀土矿的发现及意义

在广东禾尚田矿区,通过地表和钻孔岩芯样品的野外硫酸铵浸泡-草酸点滴试验、化学分析、稀土（REE）配分分析、稀土浸取率测定等工作,首次发现了灰岩风化壳中存在离子吸附型富铕稀土工业矿床。稀土矿与坡残积钨锡矿、铷矿共伴生,并伴生锂、镓和铯等元素,具有中稀土富集和高浸取率的特点,是离子吸附型稀土矿的新类型。它的发现将对离子吸附型稀土矿床勘查产生深远的影响,大大拓展找矿思路和对象;并说明了在一个矿田或一个矿区内寻找新的矿种、新的矿床类型、新的含矿层位的重要性。通过成矿地质条件分析,作者认为矿区西部找矿前景甚佳,禾尚田矿区将成为一个集有色、稀有、稀土、贵金属矿产的多矿种、多矿床类型、多含矿层位的矿区。     

基于BP神经网络的溶洞规模预测及应用

复杂岩溶地区的溶洞发育规模受地质构造、地区岩性、地下水动力系统等多种因素的影响,具有高度复杂性和非线性的特征。通过对岩溶区溶洞的赋存规律研究,确定影响溶洞发育规模的控制因素进行定量处理,收集已探明溶洞的样本数据。为克服已有研究对溶洞发育规模定性描述的模糊性,文章利用BP（Back Propagation）神经网络对自组织、自适应特性对数据样本的非线性关系揭示的能力,实现对溶洞发育规模的预测,并基于MATLAB实现BP神经网络结构的设计、训练、预测,其结果表明:BP神经网络模型对溶洞规模预测的精度高、收敛性能好。      

Back-propagation neural network and support vector machines for gold mineral prospectivity mapping in the Hatu region,Xinjiang, China

Machine Learning technologies have the potential to deliver new nonlinear mineral prospectivity mapping (MPM) models. In this study, Back Propagation (BP) neural network Support Vector Machine (SVM) methods were applied to MPM in the Hatu region of Xinjiang, northwestern China. First, a conceptual model of mineral prospectivity for Au deposits was constructed by analysis of geological background. Evidential layers were selected and transformed into a binary data format. Then, the processes of selecting samples and parameters were described. For the BP model, the parameters of the network were 9–10???1; for the SVM model, a radial basis function was selected as the kernel function with best C?=?1 and γ = 0.25. MPM models using these parameters were constructed, and threshold values of prediction results were determined by the concentration-area (C-A) method. Finally, prediction results from the BP neural network and SVM model were compared with that of a conventional method that is the weight- of- evidence (W- of- E). The prospectivity efficacy was evaluated by traditional statistical analysis, prediction-area (P-A) plots, and the receiver operating characteristic (ROC) technique. Given the higher intersection position (74% of the known deposits were within 26% of the total area) and the larger AUC values (0.825), the result shows that the model built by the BP neural network algorithm has a relatively better prediction capability for MPM. The BP neural network algorithm applied in MPM can elucidate the next investigative steps in the study area.     

Metallogenic Correlations for the Fe‐Nb‐REE Mineralization in the West Mine of the Bayan Obo Deposit,Inner Mongolia,China

The West Mine of the Bayan Obo deposit, located in the northern‐central part of Inner Mongolia, China, is enriched in Nb, rare earth elements and iron (Nb‐REE‐Fe) mineral resources. This paper presents a combined method to explore metallogenic correlation of the Nb‐REE‐Fe mineralization at the Bayan Obo West Mine. The method integrates factor analysis and Back Propagation (BP) neural network technology into processing and modeling of geological data. In this study, the Nb and REE contents of samples were transformed into discrete values to analyze the correlations among the metallogenic elements. The results show weak mineralization correlations between Nb and REEs. Nb and U are closely related in the geochemical patterns, while Fe is closely related to both Th and Mn. LREEs are an important factor for the mineralization of the Bayan Obo deposit, while Fe and Nb can be considered as the results of passive mineralization. On the basis of a metallogenic correlation analysis, the factors affecting the Fe‐REE‐Nb mineralization were extracted, and the Nb mineralization model was established by the BP neural network. Based on the BP neural network data computing, the variability of the Nb concentration displays a coupled multi‐factor nonlinear relationship, which can be used to reveal the inherent metallogenic elemental regularities and predict the degree of element mineralization enrichment in the mining area.     

稀土稀有稀散元素现代仪器测试全新方法的建立

本文系统总结了自2011年以来在三稀矿产实验测试方面取得的新进展。重点介绍了离子相稀土单元素浸泡提取实验研究、稀土原产地Nd同位素与微量元素示踪技术研究、离子吸附型稀土样品野外现场快速定性定量手持X射线荧光(XRF)分析研究成果。结果表明,采用25%硫酸铵浸泡提取,电感耦合等离子体光、质谱(ICP- AES、ICP- MS)测定,可以清晰反映出各稀土元素的浸泡提取率;采用高精度多接收电感耦合等离子体质谱仪(MC- ICP- MS)进行稀土矿石中Nd143/Nd144同位素比值测定,其比值差异可以示踪不同稀土矿石产地;通过精确测试分析不同产地稀土精矿样品中的稀土和其他微量元素含量,并进行数据相关性分析和数据分类分析,通过Y、Be和Bi三种元素含量的比较,可以判断稀土精矿来源;野外现场快速分析,20分钟可完成1件样品测试,不仅可定性判断是否为离子吸附型稀土,同时可定量各离子相稀土单元素含量,与室内精确分析结果符合性良好,可为我国离子吸附型稀土矿床的找矿快速筛查提供技术支撑。 同时介绍了混合酸微波分解样品- 电感耦合等离子体光、质谱(ICP- AES、ICP- MS)同时测定钨矿石、钼矿石、铌钽矿石中的多种稀有稀散稀土元素含量的方案。该方案的特点在于采用了耐氢氟酸体系,尤其对高含量W、Nb、Ta样品更具优势,否则易产生水解,导致测定结果系统偏低。同时梳理总结了我国常见三稀矿石地质样品的特点,针对不同矿种、不同矿床样品类型与基体特点,以及所测试元素种类的不同,研究建立了专门针对“稀有、稀散、稀土元素”现代仪器分析的10个全新的配套方法及其相应的技术指标(准确度、精密度、检出限),可满足地质矿产实验室测试质量管理的规范要求,而且为我国三稀金属矿产资源的战略调查、国家重点研发计划“深地锂资源探测”和四川甲基卡等地找矿突破做出了贡献。     

利用地震属性预测煤层厚度及古河流冲刷带的方法

根据山西宁武煤田某煤矿2#煤层采掘及钻孔揭露情况,发现该井田中部和南部存在古河流冲刷带。通过对比基于优选的4个地震属性的四元一次、四元二次多项式回归模型与BP神经网络预测模型,决定将BP人工神经网络模型预测煤层厚度数据应用于整个测区古河流冲刷带的预判工作。首先利用GeoFrame系统和Landmark公司Poststack模块,提取2#煤层反射波的各类沿层切片,分析并圈定出2#煤层古河流冲刷带的大致范围,在此基础上,利用垂直时间剖面中2#煤层反射波的各种波形特征,进一步判别2#煤层古河流冲刷带解释的可靠性,然后结合BP神经网络预测模型获得的2#煤层厚度变化趋势图,最终解释出2#煤层古河流冲刷带范围:勘探区内2#煤层厚度变化范围0～5.3m,根据其煤层厚度变化趋势,将全区划分出一大二小3个古河流冲刷带。     

基于广义回归神经网络的边坡稳定性评价

边坡失稳是比较常见的地质灾害,判定其稳定性的方法很多,在使用过程中也暴露出了这些方法的缺陷。针对这些问题,构建了适合于边坡稳定性评价的广义回归神经网络模型,并运用Matlab的神经网络工具箱进行了分析和计算,使用了相关数据来训练和测试该模型的可靠性和可行性。结果表明,广义回归神经网络模型在使用过程中需选择合适的光滑因子,而所得出的数据与实际结果较为相符,解决了之前使用的BP神经网络模型的缺点,具有很好的工程运用前景。