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。     

矿床模拟法在辽宁清原金矿资源预测中的应用

矿床模拟法是成矿地质环境模拟、类比方法,可据此估计在特定地质成矿环境中的某矿产资源潜力.本文探索利用矿床模拟法对辽宁清原太古宙地体中的金矿床进行综合预测.原始数据取自1∶5万区域地质调查资料,共观测地层、构造、岩浆岩、接触带和化探资料等9个逻辑变量.预测结果显示了几个新的有利金矿靶区,有必要进行重点勘探工作.     

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-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。     

四方金矿工业指标变化对矿床规模和开采方法的影响

四方金矿在矿山开采的生产实践中,随着生产规模的增大以及国际金价、国内原材料的增涨变化,在矿床工业指标管理过程中,根据外部需求、生产经营成本、生产规模等因素综合分析及时地调整工业指标,采矿方式和方法。做到资源／储量估算合理最大化利用,开采方式和方法简单经济。做到矿山开采年限最大幅度地延长。     

云南大马固砂金矿原生矿床位置预测

云南省马关县大马固矿区砂金矿原生矿床位置如何确定,一直是我部滇东南找矿难以取得突破的瓶颈,是指挥部和基层找矿单位关注的重点难点问题。作者通过对大量资料进行研究,对该问题进行了初步解答。     

基于PCA-PSO-SVM的凡口铅锌矿地区岩溶地表塌陷危险性预测

岩溶地表塌陷是由多个影响因素共同作用导致地面形成塌陷坑(洞)的一种动力地质现象,具有隐蔽性和突发性的特点,常规简单数学模型难以对地表塌陷危险性准确预测.文章先通过主成分分析法(PCA)对选取的地下水位、地下水位波动幅度、给水度等11个影响因素提取5个主成分,对导致地表塌陷危险性的主成分进行全新的解释,同时引入粒子群算法...     

吉林省柳河县回头沟金矿成矿地质条件分析及成矿规模预测

吉林省柳河县回头沟金矿区是吉林省有名的小而富的金、银、铜、铅、锌等多金属成矿带,本文主要阐述了这一地区的成矿地质条件并对新发现矿体的成矿规模进行了预测.     

基于ASTER数据的遥感蚀变信息提取——以西天山穆龙套地区为例

西天山是\"丝绸之路经济带\"和\"亚洲金腰带\"的核心区和重要组成部分, 世界级的穆龙套金矿床是西天山成矿带内最重要的金矿床之一.作者将前人成果与自身研究结果结合, 形成该篇以穆龙套地区为例的基于ASTER数据的遥感蚀变信息提取的论文.含碳质细碎屑岩是穆龙套地区的溶矿岩层, 矿体受韧性-韧脆性断裂系统的严格控制.穆龙套地区热...     

滑坡灾害空间预测支持向量机模型及其应用

随着GIS技术在滑坡灾害空间预测研究中的广泛应用,滑坡灾害空间预测模型成为研究的热点问题。在总结滑坡灾害空间预测研究现状的基础上,简要介绍了两类和单类支持向量机的基本原理。以香港自然滑坡空间预测为例,采用两类和单类支持向量机进行滑坡灾害空间预测,并与Logistic回归模型进行了比较。结果表明,两类支持向量机模型优于Logistic回归模型,而Logistic回归模型优于单类支持向量机模型。     

Geotechnical characterization of the upper Pleistocene–Holocene alluvial deposits of Roma (Italy) by means of multivariate geostatistics: Cross-validation results

We are presenting an attempt to evaluate the spatial variability of geotechnical parameters in the upper Pleistocene–Holocene alluvial deposits of Roma (Italy) by means of multivariate geostatistics.The upper Pleistocene–Holocene alluvial deposits of Roma are sensitive to high levels of geohazard. They occupy a sizable and significant part of the city, being the foundation for many monuments, historical neighborhoods, and archaeological areas, and the main host of the present and future subway lines. We have stored information from more than 2000 geotechnical boreholes crossing the alluvial deposits into a relational database. For the present study, only the boreholes with lithologic/textural interpretation and geotechnical information were selected. The set includes 283 boreholes and 719 samples, which have a set of geotechnical information comprising physical properties and mechanical parameters.Techniques of multivariate statistics and geostatistics were combined and compared to evaluate the estimation methods of the mechanical parameters, with special reference to the drained friction angle from direct shear test (φ′). Principal Component Analysis was applied to the dataset to highlight the relationships between the geotechnical parameters. Through cross-validation analysis, multiple linear regression, kriging, and cokriging were tested as estimators of φ′. Cross-validation demonstrates that the cokriging with granulometries as auxiliary variables is the most suitable method to estimate φ′. In addition to proving that cokriging is a good estimator of φ′, cross-validation demonstrates that input data are coherent and this allows us to use them for estimation of geotechnical parameters, although they come from different laboratories and different vintages.Nevertheless, to get the same good results of cross-validation in estimation, it is necessary for granulometries to be available at grid points. Since this information being not available at all grid points, it is expected that, in the future, textural information can be derived in an indirect way, i.e., from lithologic/textural spatial reconstructions.     

基于Landsat 8影像赤壁-嘉鱼地区岩性划分效果分析

以鄂东南赤壁-嘉鱼地区为例,在缺少地表各岩石单元样品的情况下,对Landsat8可见光近红外和短波红外(VNIR-SWIR)波段反射率数据进行处理提取岩性信息。首先对VNIR-SWIR多波段反射率数据进行最佳指数因子(IOIF)运算,得出最佳波段组合band7-band5-band2,从其假彩色合成图像上只能识别少量岩性单元;为了减少高相关性波段之间的信息冗余度,并对波段信息进行集成,后对Landsat8VNIR-SWIR波段反射率数据采用主成分变换并进行彩色合成,能够有效增强志留系、侏罗系及第四系地质单元之间的影像差异,从而划分岩性界线。对比已有地质资料,认为提取结果可靠,能为野外地质工作提供基础信息。     

基于遗传算法优化的支持向量机在岩性识别中的应用

为提高测井岩性识别的精度,本文结合乌夏地区岩芯资料和测井数据,总结该地区砂砾岩测井响应特征,优选出声波、自然伽马、密度、中子孔隙度和电阻率等5条测井曲线参数作为训练和测试样本,通过遗传算法挑选出最佳的支持向量机核函数参数σ和惩罚因子C,建立支持向量机岩性识别模型。结果表明该模型实际数据预测总体符合率为81.6%,在识别准确率上与传统测井识别砂砾岩岩性方法相比都有明显提升。     

Future changes in rainfall,temperature and reference evapotranspiration in the central India by least square support vector machine

Climate change affects the environment and natural resources immensely. Rainfall, temperature and evapotranspiration are major parameters of climate affecting changes in the environment. Evapotranspiration plays a key role in crop production and water balance of a region, one of the major parameters affected by climate change. The reference evapotranspiration or ET₀ is a calculated parameter used in this research. In the present study, changes in the future rainfall, minimum and maximum temperature, and ET₀ have been shown by downscaling the HadCM3 (Hadley Centre Coupled Model version 3) model data. The selected study area is located in a part of the Narmada river basin area in Madhya Pradesh in central India. The downscaled outputs of projected rainfall, ET₀ and temperatures have been shown for the 21st century with the HADCM3 data of A2 scenario by the Least Square Support Vector Machine (LS-SVM) model. The efficiency of the LS-SVM model was measured by different statistical methods. The selected predictors show considerable correlation with the rainfall and temperature and the application of this model has been done in a basin area which is an agriculture based region and is sensitive to the change of rainfall and temperature. Results showed an increase in the future rainfall, temperatures and ET₀. The temperature increase is projected in the high rise of minimum temperature in winter time and the highest increase in maximum temperature is projected in the pre-monsoon season or from March to May. Highest increase is projected in the 2080s in 2081–2091 and 2091–2099 in maximum temperature and 2091–2099 in minimum temperature in all the stations. Winter maximum temperature has been observed to have increased in the future. High rainfall is also observed with higher ET₀ in some decades. Two peaks of the increase are observed in ET₀ in the April–May and in the October. Variation in these parameters due to climate change might have an impact on the future water resource of the study area, which is mainly an agricultural based region, and will help in proper planning and management.     

单一低透突出煤层底抽巷煤气共采技术及实践

针对底抽巷瓦斯抽采穿层钻孔施工过程中,煤岩界面识别不及时、不准确,缺少相应技术手段的问题,设计开发了一套基于钻进参数(转速、回转扭矩、推进力、推进速度、破碎比功)的煤岩界面识别系统,整套系统由数据感知层、采集层和分析层组成。其中,数据感知层和数据采集层合称钻机数据采集系统,可以对钻进参数进行实时采集;数据分析层则采用支持向量机(Support Vector Machine, SVM)分类算法对带有煤岩分类标记的钻进参数进行数据学习和模型训练,继而对未知的钻进参数进行分类预测,最终实现煤岩界面自动识别。在河南鹤壁中泰矿业的现场应用表明：钻进参数中的回转扭矩、推进速度和破碎比功在煤岩界面处均产生明显的“涨落”,可以作为区分煤层和岩石的3个特征参数;使用线性核函数的支持向量机分类模型可以准确地将两种地层中的钻进参数区分出来,通过对训练集中89个样本数据学习即可在测试集中获得100%的正确率,说明了特征参数和地层信息之间是线性可分的。该系统推广应用不仅可以为煤岩分类识别提供基础数据的获取途径;还可以为穿层钻孔的煤岩界面识别提供一定的科学依据和指导,从而确保钻孔达标,避免抽采空白带的产生。

     

测井解释中煤层含气量评价方法对比研究

随着煤层气勘探的不断深入,对煤层含气量预测精度提出了更高的要求。基于煤层含气量测井响应特征,分析测井参数与含气量的相关性,提出MIV（Mean Impact Value）技术与LSSVM（Least Squares Support Vector Machine）结合的测井参数优选策略,优选最优测井参数作为网络建模的输入自变量组合,通过粒子群算法优化LSSVM网络核心参数,最后构建一套适用于煤层含气量预测的MIV-PSO-LSSVM模型。在此基础上,分别对比分析LSSVM、PSO-LSSVM、MIV-LSSVM和MIV-PSO-LSSVM模型对煤层含气量的预测性能,并与传统多元回归方法进行了对比,利用拟合优度和均方根误差对此5类模型进行评价。结果表明：PSO优化下的LSSVM模型预测精度得到有效提升,结合MIV方法优选测井参数可大幅度改善神经网络建模性能,MIV-PSO-LSSVM模型可实现煤层含气量高精度预测,为煤层气勘探及其储层评价提供新的技术支撑,且本研究的建模策略及思想可广泛应用于其他机器学习建模研究领域。     

高植被覆盖区遥感找锰矿实验研究——以桂西—滇东南的下雷—大新地区为例

桂西—滇东南区域植被覆盖茂盛,高覆盖的植被遥感信息相对于地质遥感信息而言是一个很强的干扰。本文以桂西—滇东南的锰矿化信息较为丰富、植被覆盖度高的下雷—大新区域TM遥感影像为例,利用基于主成分变换的铁染遥感异常信息、羟基异常信息和泥岩碳酸岩异常遥感信息提取,以及基于SAM和实地地物光谱测量的基础上提取的氧化锰露头的遥感信息,研究结果与已知锰矿化信息的空间分布区域有较高的吻合度。研究结果表明,本文的研究方法对于遥感找锰矿的宏观靶区框选有较高的参考价值。