基于决策树的帽天山小流域磷矿开采区植被遥感判读研究

基于RS技术平台,将ASTER遥感数据与土地利用现状图和地形图相结合,采用决策分类方法对抚仙湖帽天山小流域磷矿开采区植被类型进行分类研究,结果表明,基于RS的多源数据融合对小流域内不同植被类型信息具有较强的识别能力,通过野外随机抽样证实,帽天山小流域磷矿开采区植被类型遥感解译准确率92%。     

信息科学与矿产预测

矿产预测实质上就是对成矿系统演化过程精确性表达的探索,现代信息科学的发展为理解成矿系统的非线性特性以及信息运动过程提供了必要的理论基础。通过信息与成矿信息、虚拟现实技术与成矿预测可视化和信息模型与成矿系统三个方面探讨信息科学的发展与矿产预测之间的紧密联系,预测未来成矿预测将向定量化、精细化的方向发展,对矿的定位预测从以分析为主向分析与综合相结合方向发展。     

基于GIS与ANN耦合技术的非线性矿产预测系统设计

利用地理信息系统(GIS)和人工神经网络(ANN)相结合,提出的基于GIS的人工神经网络矿产预测系统设计方案,实现了从地质变量优选到人工神经网络成矿预测结果图形显示的计算机自动化处理。其中的主要模块为:地质变量优选模块、数据库管理模块、神经网络成矿预测模块和图形处理功能模块。它们之间通过数据库进行数据传输与共享达到互相连接。     

信息科学与矿产预测

矿产预测实质上就是对成矿系统演化过程精确表达的探索。面对时代发展的挑战，矿产预测将从过去以分析为主转变为以分析与信息相结合的方向发展。一方面，人们将继续采用新的实验技术去了解地层、构造等因素的控矿机理。另一方面，现代信息科学的发展为理解成矿系统的非线性特性以及信息运动过程提供了必要的理论基础，虚拟现实技术的出现，为定量研究成矿系统各要素间相互作用提供了新的技术支持，为高精度成矿预测的综合信息模型的建立创造条件。     

基于GIS的人工神经网络矿产预测系统设计

将地理信息系统(GIS)和人工神经网络(ANN)相结合,提出基于GIS的人工神经网络矿产预测系统设计方案,实现了从地质变量优选到人工神经网络成矿预测结果图形显示的计算机自动化处理,并对其中的主要模块:地质变量优选模块、数据库管理模块和神经网络成矿预测模块进行了介绍,简要说明了各模块功能实现中所应用的主要技术.     

基于GIS的人工神经网络矿产预测系统设计及应用

利用地理信息系统(GIS)和人工神经网络(ANN)相结合，研究了基于GIS的人工神经网络矿产预测系统设计方案，实现了从地质变量优选到人工神经网络成矿预测结果图形显示的计算机自动化处理。在凤凰山矿田的应用显示，预测结果与现有矿床十分吻合，是矿产预测的有效方法。     

信息科学与矿产预测

矿产预测实质上就是对成矿系统演化过程精确性表达的探索。面对时代发展的挑战，矿产预测将从过去以分析为主转变为以分析与信息综合相结合。一方面，人们将继续采用新的实验技术去了解地层、构造等因素的控矿机理。另一方面，现代信息科学的发展为理解成矿系统的非线性特性以及信息运动过程提供了必要的理论基础，虚拟现实技术的出现，为定量研究成矿系统各要素间相互作用提供了新的技术支持，为高精度成矿预测综合信息模型的建立创造条件。     

岩浆侵位过程的反演及其在矿体定位预测中的应用--以安徽铜陵凤凰山矿田为例

岩浆侵位过程是一个复杂的物理化学过程，控制着岩体和矿床的空间分布。凤凰山矿田位于铜陵矿集区，经过多年的开采，后备储量严重不足，急需扩大远景储量。采用三维流体动力学模型与流体势相结合，对矿田内的新屋里岩体侵位过程进行反演。结果表明，凤凰山矿田已知矿床均产于流体势梯度急剧变化带内。相思树、横山岭预测单元从地表向地下不仅同处于流体势梯度最大变化带内，还位于有利的成矿构造环境，具有良好的成矿远景。     

铜陵凤凰山铜矿床斑岩型矿体原生叠加晕特征及其成矿预测意义

通过对凤凰山铜矿床新的矿化类型—斑岩型铜矿体的系统采样分析，认为斑岩型铜矿体具有各自的原生晕分带性；多阶段矿化作用和多矿体的迭瓦状产出，使各阶段矿化作用和各矿体的原生晕叠加形成了统一的、范围较大的、较为稳定的原生叠加晕。因此，矿体的原生晕和原生叠加晕特征可指导本区斑岩型铜矿体的成矿预测。     

基于GIS确定地球化学异常下限的新方法

运用地理信息系统(GIS)空间分析原理,研究了地球化学元素含量与分布面积之间的关系及在异常下限划分中的应用,并以凤凰山矿田为实例,与分形理论做了对比研究,发现利用分形理论对原始数据进行处理得到的异常下限为1000×10-6,利用样品平均值取代特高品位后的分形异常下限为240×10-6,而利用新方法直接对原始数据进行分析的结果为250×10-6。研究表明,新方法并不要求数据服从正态分布或对数正态分布,能从原始数据中直接识别致矿异常,是确定地球化学异常下限的简便方法。