基于主成份分析和支持向量机的PCA-SVM储层识别模型研究

储层识别是油气勘探开发中所面临的关键问题和难点之一。针对传统储层识别方法预测精度较低这一问题,提出了基于主成份分析和支持向量机的PCA-SVM储层识别模型,较好地解决了传统学习方法在非线性预测中的小样本、过学习、局部极小点等问题,同时消除了出入变量之间的多重相关性,减少了输入变量的个数,提高了预测精度和收敛速度。通过对长庆中部气田马五1段储层的实例应用,PCA-SVM模型的预测精度达到100%,优于SVM模型(93.6%)和Fisher判别模型(96.3%)。这表明PCA-SVM模型具有更高的预测精度,为致密储层的准确识别探索了又一新方法。     

基于PCA-SVM算法对稀土元素与稀土判别指标耦合数据集的铀矿床分类

不同类型铀矿床的沥青铀矿/晶质铀矿具有不同的稀土元素组成,其组成可作为判别铀矿床类型的重要指标。采用基于Python语言的主成分分析（principal component analysis,PCA）与支持向量机（support vector machines,SVM）结合的分类模型,对收集到的全球已知6种类型铀矿床的216组沥青铀矿/晶质铀矿稀土元素数据进行研究。以216组数据为训练集,通过数据清洗、特征缩放、PCA特征提取、网格搜索和交叉验证参数寻优构建SVM分类模型,对24组同变质型胡家峪晶质铀矿进行智能识别。研究结果显示：仅使用稀土元素的14维训练集最优模型判定胡家峪晶质铀矿类型的测试准确率为0.4%;由稀土元素、稀土总量、轻重稀土比、铕异常组成的17维训练集最优模型的测试准确率为75.0%,较14维训练集提高74.6%,模型泛化能力强;而通过传统稀土元素配分曲线、w（ΣREE）-（LREE/HREE）_N图解不能有效判定胡家峪晶质铀矿类型。本次研究表明,PCA-SVM算法对增有传统稀土判别指标数据集进行挖掘可有效厘定铀氧化物成因类型,效果明显优于单纯的稀土元素数据集以及传统的稀土配分曲线、w（ΣREE）-（LREE/HREE）_N图解。     

基于成矿条件数值模拟和支持向量机算法的深部成矿预测——以粤北凡口铅锌矿为例

随着计算机科学和地质大数据技术的迅猛发展,数值模拟和机器学习已成为当今地学领域定量发展的重要前沿方向。数值模拟综合运用了研究区地质、构造、地球物理、地球化学等多源信息,将成矿条件与过程进行量化模拟分析,对研究成矿动力学演化过程及成矿响应有重要意义,可对已有成矿要素/信息在时空上进行扩展/外推,扩大了成矿预测信息的广度和深度,为解决深部成矿预测中获取深部信息难题提供了一种可能的有效途径。支持向量机是一种重要的机器学习分类算法,它具有简洁、方便、高效和计算结果较稳定等特点,在众多领域中得以成功应用,是成矿预测中多源信息提取与融合的一种可靠的技术手段。为了充分利用数值模拟与机器学习的优势,本文提出将计算机数值模拟方法和机器学习(即支持向量机算法)相结合来进行深部成矿预测的新方法。以粤北凡口超大型铅锌矿为例,首先,对凡口矿区勘探线剖面进行构造应力场模拟;进而,以已知钻孔数据作为训练集和测试集,运用支持向量机算法对模拟结果中的不同参量(也即模拟所得的成矿条件)进行训练学习;最后,建立相应的定量找矿预测模型对研究区(或剖面)外围和深部找矿进行预测评价。研究结果表明,本文所建立的预测模型精确度和召回率都较好,预测结果显示出了三个成矿可能较大的区域,说明数值模拟技术和机器学习算法结合应用的效果较好。这种新的成矿预测方法为深部找矿预测提供了一种可行的新思路和新途径,可以有效地拓展运用到其他矿区、其他类型矿床的深部找矿预测工作中。     

基于金矿规格单元数据的机器学习方法在成矿建模分析中的应用

现代金矿勘察主要是通过综合地球化学和地质测量等数字化方法对深部矿床进行研究,所需要的人力物力成本较高。而通过分析积累的金矿规格单元数据,可以建立金矿成矿情况与相关成矿元素含量之间的非线性关系,从已有的勘查数据中寻找金矿成矿的一般规律。本文基于与金矿相关的成矿元素含量数据,分别采用逻辑斯蒂回归、随机森林和决策树方法对原始数据和重采样数据进行训练,综合运用召回率、精确率和准确率对模型进行评价。通过对比发现,在训练和测试原始数据过程中,由于每组之间数据量的巨大差距,导致成矿数据被淹没;而在训练重采样数据过程中,随机森林在召回率和准确率方面均有较好的表现,分别达到了90.63%和70.78%;并最终分析了随机森林模型中不同分类边界对于金矿成矿情况预测结果的影响。利用不同的测量指标对模型进行评价分析,使模型更适用于金矿成矿预测,可有效地提高金矿勘察的效率。     

基于机器学习的滑坡易发性预测建模及其主控因子识别

不同机器学习预测滑坡易发性的建模过程及其不确定性有所差异,另外如何有效识别滑坡易发性的主控因子意义重大.针对上述问题,以支持向量机(support vector machine,简称SVM)和随机森林(random forest,简称RF)为例探讨了基于机器学习的滑坡易发性预测及其不确定性,创新地提出了"权重均值法"来...     

基于PCA-SVR的煤层底板突水量预测

提出了一种基于主成分分析支持向量机回归(PCA-SVR)的煤层底板突水预测方法,用主成分分析来解决输入变量的选择问题。主成分以较少的维数包含了高维变量所携带的大部分信息,这不仅避免了过多的输入导致训练速度慢,同时也保证了预测准确度。实例表明,所提方法可有效消除众多影响因素间的相关性,减少输入变量个数,提高预测效率和精度。      

核主成分分析与支持向量机模型在储层识别中的应用

针对低孔、低渗致密储层识别较常规储层难这一问题,首次应用核主成分分析与支持向量机(KPCA-SVM)模型进行储层识别.该模型先通过核主成分分析(KPCA)进行非线性特征参数提取,然后将提取的特征参数作为支持向量机(SVM)的输入变量,最终实现储层识别.由于KPCA-SVM模型集成了核函数、主成分和支持向量分类机的优点,较好地解决非线性小样本的问题,能消除数据之间的噪音,降低维数,而又不缺失有效信息,达到准确快速预测的功能.将该模型应用到新场须二气藏新856井区储层预测中,预测结果验证了本模型的优越性,可作为致密储层预测的可选方法.     

基于极限学习机的GF-2影像分类

遥感图像分类是提取图像有效信息过程中重要的一部分,为了探寻最优的分类方法,许多机器学习算法逐步应用于遥感分类中。极限学习机（extreme learning machine,ELM）以其高效、快速和良好的泛化性能在模式识别领域得到广泛应用。本文采用训练速度快、运算量小的极限学习机算法与支持向量机（support vector machines,SVM）算法和最大似然法进行分类对比,对高分辨率遥感图像进行分类,分析极限学习机算法对于遥感图像分类的准确度等性能。选取吉林省长春市部分区域的GF-2遥感数据,将融合后的影像设置为原始数据,利用3种方法进行分类。研究结果表明,极限学习机算法分类图像总体分类精度达到85%以上,kappa系数达到0.718,与其他分类方法相比分类准确度较高,且极限学习机运行时间比支持向量机运行时间约短2 480 s,约为支持向量机运行时间的1/8,因此具有良好的性能和实用价值。     

基于随机森林算法的大尹格庄金矿床三维成矿预测

大数据及机器学习技术在解决各行各业的复杂非线性关系问题方面已经体现出巨大的优势。本文尝试将随机森林(RF)算法引入三维成矿预测领域来开展研究,以胶东大尹格庄金矿为研究对象,在构建招平断裂(地质体)三维模型的基础上,通过各种空间分析方法提取控制矿体形成的若干控矿地质因素特征值,进而获取成矿空间中控矿地质因素分布值,最后将矿区钻孔立体单元化形成采样数据集并利用RF算法对矿区开展三维矿体定位预测,结果表明:决策树棵数M=800、属性个数K=7是最优参数,能获得总体精度97.32%和kappa系数0.6292的综合分类精度;RF算法的分类精度要优于支持向量机(SVM)算法和多层感知器(MP)算法。RF算法对大尹格庄金矿开展的三维矿体定位预测取得了较好效果,并在矿区深边部预测了7个三维找矿靶区,证明大数据技术在矿产资源定位预测方面具有巨大的应用前景。     

基于地震属性优化和机器学习的煤层厚度预测方法

煤层精准定位是无人采煤的关键技术,煤层厚度预测是煤田地震资料解释的重要研究内容之一。参考实际地层厚度及物性参数,构建含楔形煤层的正演模型,通过地震剖面正演和地震属性提取、优化,对比分析信噪比和多种回归方法对煤层厚度预测的影响。研究结果表明：部分地震属性与煤厚相关性较强,可以用于煤厚预测;地震属性间的信息冗余不可忽略,但基于主成分分析和多维标度的地震属性优化结果无本质区别;当信噪比较低(10 dB)时,随机森林回归算法的均方根误差最小(1.07),支持向量机回归算法的误差居中(1.15),多元线性回归算法的误差最大(1.84);当信噪比较高(25 dB)时,支持向量机回归算法的误差最小(0.05),随机森林回归算法的误差居中(0.11),多元线性回归算法的误差最大(0.20);输入数据信噪比对煤厚预测有明显影响,信噪比越高、预测效果越好。基于地震属性优化及支持向量机回归的煤厚预测方法,是实现薄煤层厚度高精度解释的一种有效途径。     

河南桐柏县银洞坡金矿地球物理特征

银洞坡金矿是我国重要的大型金矿之一。通过区域地球物理场、物性参数及局部异常特征的分析研究,建立地球物理找矿标志及不同工作阶段的方法组合,以期提高矿床研究水平和地质找矿效果。     

撒哈拉地台霍嘎地区某金矿地质特征

太古宙绿岩带是世界主要金矿赋存区,在古老的非洲地台分布很多绿岩带,其上叠加剪切带即伴随有含金建造的出现。本文根据安徽地矿"走出去"实施的某绿岩区金矿勘查资料、西霍嘎地块地质背景、区域上金矿赋存规律及邻区正在开采的金矿考察,初步分析了该区金矿地质特征、控矿要素、矿床成因及找矿标志,供后续勘查投资和周边中方相同地质背景矿权区找金参考。     

侯西金矿床地质特征及找矿方向

论述了侯西金矿床的控矿断裂特征、矿体地质特征、矿石特征;总结了矿化富集规律和找矿标志;指出了深部及外围的找矿方向,并探讨了矿床的成因     

侯西金矿床地质特征及找矿方向

论述了侯西金矿床的控矿断裂特征,矿体地质特征,矿石特征;总结了矿化富集规律和找矿标志,指出了深部及外围的找矿方向,并探讨了矿床的成因     

甘肃省礼县赵沟金矿床地质特征及找矿远景浅析

赵沟金矿床位于礼—岷金矿带东部 ,是李坝大型金矿床外围的中型金矿床。随着找矿工作的深入 ,发现本矿床地质特征及控矿因素与李坝大型金矿床有相同性 ,矿 (化 )体受构造及岩脉的控制。据控矿因素分析 ,已知矿体深部及西部找矿潜力很大 ,应进一步开展找矿工作。本矿床有望成为礼—岷金矿带继李坝、金山大型金矿床之后的又一大型金矿床     

轴向分带在黑龙江三道湾子金矿原生晕测量中的应用

热液矿床原生晕具有明显的分带特征,其中含矿溶液在运动方向上显示出的轴向分带尤其重要,分带序列的建立对于评价隐伏矿体的规模、埋藏深度以及剥蚀水平有指导性意义,在很大程度上提高了地球化学找矿方法的找矿深度。针对黑龙江省三道湾子金矿,计算总结出轴向分带序列特征,确定矿体的前缘和尾晕指示元素以及分带性指数,结合矿区已知矿体对所研究矿脉剥蚀程度和深部成矿潜力进行评价。     

河南省桐柏县银洞坡金矿床地质地球化学特征

银洞坡金矿是我国重要的变质碎屑岩型金矿之一,为丰富此类矿床的研究内容和服务领域,时该类型金矿成矿条件及地球化学特征的总结,具有重要意义.在时成矿地质背景,地球化学参数及地球化学异常特征分析研究的基础上,建立了地球化学找矿标志,以期为该类型金矿的普查评价起到借鉴作用.     

内蒙古赤峰市松山区化探效果及金钼多金属矿床的发现

蒙古营子矿区位于赤峰—朝阳金矿成矿带和西拉木伦河钼多金属成矿带。经过1∶2.5万普查、1∶1万详查发现了该矿床的物化探异常。经钻孔验证,为富含金钼的金属硫化物矿床。它们具有一定的规模,值得开展进一步找矿工作。     

多元素衬值累加地球化学方法在找矿中的应用——以青海省夏日哈-什多龙远景区为例

青海省夏日哈-什多龙成矿远景区位于青藏高原东昆仑东段,西起都兰县夏日哈镇,东至兴海县什多龙一带,跨祁漫塔格北坡-夏日哈岩浆弧和北昆仑岩浆弧,是青海省重要的成矿区。为了在该区寻找新的成矿有利地段,本文在对该区区域地质背景、矿产特征及区内典型矿床地质特征系统研究的基础上,利用多元素衬值累加地球化学找矿方法,在区域上优选出一批找矿靶区。多元素衬值累加地球化学找矿方法首先收集远景区1∶5万水系沉积物测量成果,经过数据处理,绘制远景区衬值累计地球化学图,进而建立典型矿床找矿模式,最终通过对比分析,选出新的找矿靶区。对圈定的找矿靶区进行野外踏勘检查,均发现不同程度的矿化线索,为今后在该区进一步找矿起到了很好的指导作用。通过本次工作,发现了该方法在靶区圈定方面的优势:(1)可快速圈定异常,提高工作效率;(2)编制的地球化学图浓集中心更显著;(3)圈定的找矿靶区找矿成果显著,尤其针对陆相火山岩型多金属矿、斑岩型铜钼矿、矽卡岩型多金属矿找矿成果突出;(4)能直观反映背景变化趋势,有助于评价异常。     

黑龙江乱泥沟金矿成矿条件与找矿方向

乱泥沟矿区第四系砂金矿产丰富，是寻找岩金的有利靶区。区内出露的古元古代变质岩系地层的原岩为泥质粉砂岩和中基性海底火山岩，其Au含量高，是金矿成矿的初始矿源层。区内NE，NW向构造发育，所发现的矿体均受控于NW向断裂，呈脉和复脉状产于构造蚀变带及其次一级的层间破碎带中，成矿物质简单，矿体品位和厚度变化系数较小，为中—低温蚀变岩型金矿床。利用物化探测量手段，圈出具找矿意义的组合异常，通过工程查证发现金矿体。在综合研究矿区地质特征及物化探异常的基础上总结了找矿标志，并指出下一步有利的找矿区段。