|
|||||
|
|
| 基于半监督神经网络的铜矿预测方法 | |
| 作者姓名： | 徐永洋 李孜轩 谢忠 冯斌 陈浩 |
| 作者单位： | 1.中国地质大学地理与信息工程学院, 湖北武汉 430078 |
| 基金项目： | 国家自然科学基金41671400国家重点研发计划项目2018YFB0505500国家重点研发计划项目2018YFB0505504开放基金CY119R015地质探测与评估教育部重点实验室开放基金GLAB2020ZR05 |
| 摘 要： | 将人工智能技术引入成矿预测研究中,可以提高预测效率,挖掘探测数据与结果之间的隐藏信息.利用半监督学习方法对样本构建要求低的优点,结合其在异常识别方面的应用效果,设计了基于分割准则的孤立森林与深度自编码网络的神经网络结构;基于西藏冈底斯地区的化探元素数据,对研究区内的铜矿进行了成矿预测工作,预测结果与已知矿区数据叠加效果较好,说明本文的神经网络结构能够完成成矿远景区的预测工作. |
| 关 键 词： | 铜矿 成矿预测 深度学习 半监督神经网络 |
| 收稿时间： | 2020-07-20 |
| 点击此处可从《地球科学》浏览原始摘要信息 | |
| 点击此处可从《地球科学》下载免费的PDF全文 | |