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.     

地球化学场分形景观与地球化学分级预测

地球化学场分形景观与地球化学分级预测孟宪伟，余先川（中国科学院地球化学研究所，贵阳５５００２）（长春地质学院，长春１３００２６）自然界许多物体和现象都具有分形特征，那么地球化学场景观是否也具有分形维呢？要回答这一问题，我们必须首先了解分形的概念。１分...     

遥感技术在地质找矿中的应用

遥感地质找矿方法随着遥感成像技术的发展而发展,传感器的发展使得探测波段不断细分,光谱分辨率不断提高,从而提高了遥感地质找矿的精度,使地质找矿从定性化到定量化转变。总结近几十年来多光谱与高光谱遥感成像技术的发展过程,并概括在此发展过程中相关找矿方法的发展,从多光谱成像与高光谱成像的发展2个方面介绍了相应的找矿方法与找矿应用,论述遥感技术在地质找矿中的应用趋势,并对目前遥感找矿领域中的相关难点进行了总结。     

空间推理和空间知识表示研究进展

本文介绍并讨论了空间知识表示和空间推理及其在地学领域的应用,提出地学多源空间信息的自动分析与综合的关键问题是模式识别与空间推理的有机结合研究.     

斑岩型矿床容矿裂隙成因的几种概念模型及其意义

斑岩型矿床对成矿的围岩没有选择性,但斑岩型矿床的网状裂隙系统控制了矿体的分布、矿石的品位和组构变化、矿化蚀变等特征,因此对容矿裂隙的形成机制、控制因素、裂隙分布规律等开展研究有着重要意义。文章探讨了斑岩在侵位、冷却、结晶演化过程中,在岩体及其围岩中形成网状裂隙系统的相关机制及其制约因素,将斑岩型矿床容矿裂隙的成因归纳为岩浆结晶冷缩、侵入挤压、水岩分离和区域应力叠加等4种主要成因类型,并构建了它们的概念模型。这些裂隙成因概念模型较好地反映了不同成因的裂隙系统与斑岩侵入体的空间依存关系、裂隙的分布特征及裂隙率的变化规律,以及它们之间的差异;较好地解释了斑岩型矿床的成矿作用特点及其共性特征。在分析典型斑岩型矿床容矿裂隙成因的基础上,提出了将概念模型应用于斑岩型矿床勘查找矿的思路。     

基于地物光谱分析的ASTER岩土类型识别

利用遥感数据和实测不同岩土类型波谱测试数据,以实测不同土体反射光谱数据为基础,通过对遥感数据进行图像增强处理,对不同沉积环境、不同粒级组成的松散土体类型进行识别。研究发现,ASTER数据721波段组合能够有效识别不同土体类型,在凸显不同土体类别的效果最好;ASTER数据的平方根拉伸及标准分段拉伸对不同土体类型的区分效果最好;通过对遥感数据进行主成分变换,发现遥感数据图像信息量得到有效集中,增强了图像的层次感,能够有效增强图像信息。     

地球化学场分解的理论与方法

由于多期地质地球化学作用的相互叠加，地球化学场通常表现为复杂的叠加场。在叠加场内，元素组合的成因特征、变差函数的多级套合结构和多标度分形谱能有效地反映地质地球化学的多期性。相应地，用Ｒ型因子分析法、单变量因子克立格法和多标度分形谱便能有效地实现地球化学场的分解。     

形态相关系数及其在地球化学数据分析中的应用

地球化学数据元素间的相关分析具有重要意义。地球化学数据是一种不遵循正态分布的成分数据,其封闭特征存在挖掘和分析的困难和障碍,因此许多传统的统计方法不适合使用。主要通过元素值的趋势分析了地球化学元素之间的相关关系,并提出了形态相关系数的概念。该方法不需要数据服从正态分布,可以忽略闭包特征的影响。实验表明,该方法简单、稳定、准确,可以显示数据元素之间的关系。此外,方法计算过程消除了回溯,因此适用于大数据的实时和动态分析。     

基于单亲遗传算法的SAR图像混合像元分解

已有的遥感影像混合像元分解理论方法都要求遥感影像的通道数目大于地物种类,而合成孔径雷达(SAR)的自身特点决定了SAR图像不可能有过多的通道数目,为解决SAR图像地物种类大于通道数目情况下的混合像元分解问题,本文基于单亲遗传算法提出了一种新的混合像元分解方法,创建了一种新的染色体编码方式及进化迭代方式,新算法很好地实现混合像元的分解,可以分解出比通道数目更多的地物种类.并从北京地区ENVISAT-ASAR图像中截取天安门附近区域作为数据源进行实验,实验结果表明了本文算法的正确性和有效性.     

基于自适应区间二型模糊聚类的遥感土地覆盖自动分类

遥感影像土地覆盖分类面临"类别密度差异显著"、"同谱异物"和"同物异谱"等不确定性问题,传统的分类方法(如FCM)因不能描述高阶模糊不确定性,无法完成准确建模,使分类误差较大,而二型模糊集恰是处理此类不确定性的有效工具.在引入二型模糊集新概念和自适应降型新方法的基础上,提出一种自适应二型模糊分类方法(A-IT2FCM):(1)基于样本集模糊距离度量构建面向分类的区间二型模糊集,以尽可能降低对先验知识和预设参数的依赖,从而满足自动分类的要求;(2)给出一种自适应探求等价一型代表(模糊)集合的高效降型方法,在此基础上进行自适应区间二型模糊聚类.实验数据为珠海横琴和北京颐和园的SPOT5影像数据,对比方法有AIT2FCM、基于Karnik-Mendel算法降型和基于Tizhoosh提出的简易降型方法的区间二型模糊C均值聚类以及作者前期研究提出的区间值模糊C-均值算法(IV-FCM).实验结果表明,A-IT2FCM方法分类效果佳,在类别具有较大密度差异和多重模糊性时能得到比FCM及IV-FCM更精确的边界和更连贯的类别,适于处理遥感影像土地覆盖类别的深层不确定性;同时在"光谱混叠"现象严重时,可以获得比对比方法更稳健、精度更高的影像自动分类结果,且时间复杂度明显低于基于Karnik-Mendel方法.