基于深度学习的深层次矿化信息挖掘与集成

矿产预测的核心是对地学空间数据进行特征提取与集成融合,当前的研究热点和前沿聚焦于深层次矿化信息特征提取与集成。进入大数据时代,如何基于机器学习开展深层次矿化信息挖掘与集成是当前矿产预测的前沿领域。本文介绍了基于机器学习的矿产预测与评价研究的主要内容,深度学习的基本原理,以及深度学习在地球化学异常识别和多源找矿信息集成融合中的应用。研究结果表明,深度学习可有效识别和提取地球化学异常,并能对地质、地球物理、地球化学等多源地学数据进行特征提取、集成融合及找矿远景区圈定。尽管如此,如何把深度学习与地质约束有机结合,使其既能有效挖掘与集成深层次矿化信息,又符合地质认知,还需要更加深入的研究。     

基于光谱相似尺度的遥感矿化蚀变信息提取

提出一种基于光谱相似尺度遥感矿化蚀变信息提取的新方法:首先根据蚀变岩及矿体围岩的实测光谱数据,利用光谱相似尺度方法,直接从TM图像中提取与金属矿化有关的蚀变信息.通过对青海芒崖地区遥感矿化蚀变信息提取的试验,表明该方法的可行性和有效性.     

利用成像光谱遥感技术识别和提取矿化蚀变信息：以河北赤城——崇？…

成像光谱遥感因其具有高的光谱分辨率和能被直接利用于识别地物与量化地物信息而极具应用前景,不同岩石矿物和矿化蚀变具有不同的的光谱特征,这是利用成像光谱遥感技术进行岩矿、蚀变信息识别的基础。以后沟金矿区和西沟窑矿化区为例,从应用技术和方法上开展了成像光谱遥感对蚀变岩识别的研究,阐述了进行岩矿识别的波谱机制、蚀变岩的信息识别与提取方法的选择、应用效果以及彩色合成显示等;其中光谱角度填图技术已被使用,并取     

甘肃省红山地区航空高光谱矿物信息精度分析

正红山地区位处于北山成矿带,该区及周边区域分布有较多的铁、铜、镍、金等矿床,成矿地质条件优越。区内植被不发育,基岩裸露,围岩蚀变发育,有利于发挥高光谱遥感的优势,获取高质量的航空高光谱遥感数据,提取丰富的高光谱矿物信息,同时有利的地貌和自然生态景观,便于后期航空高光谱矿物信息精度的野外验证和分析研究。     

基于高光谱数据提取水体叶绿素a浓度的混合光谱模型

从模型的精度和稳定性方面,与传统的经验模型比较显示,利用原始数据的一阶微分数据进行叶绿素a浓度混合光谱模型反演最佳。最后,以此模型对三种不同年份测量的地面高光谱数据进行了叶绿素a浓度的提取。实验结果表明混合光谱模型可以作为遥感监测水体叶绿素a含量的定量模型。     

高光谱岩心数据管理及其分析

基于IDL工具和SQL Server数据库研制了高光谱岩心数据管理和分析软件, 可实现岩心单点测量和成像扫描获取的高光谱数据的管理以及光谱参量计算和蚀变填图等功能; 同时, 数据分块技术的应用使得软件具备处理GB量级数据的能力。研究成果可为岩心高光谱数据深入应用提供技术支持。      

基于遥感图像提取矿化蚀变信息

系统总结了国内外有关从ＴＭ图像上提取金矿化蚀变化信息的方法技术,并在此基础上加以拓展和深化化,形成了“多元数据分析＋比值＋主成份变换＋掩膜＋分类（分割）”这具有快速、准确、有铲特点的识别提出了“矿化弱信息”的方法。应用该方法技术先后在新疆、内蒙古及江西、云南提取金矿化蚀变信息,取得令人满意的效果。     

甘肃省明舒井地区高光谱蚀变异常及找矿分析

正明舒井地区位于甘肃省北西侧,敦煌市北侧、瓜州县北西侧。前人在该区及周边区域开展了区调、矿调及相关多金属矿的勘查工作(王瑞军等,2014,2017),在遥感地质方面,仅开展了多光谱遥感的应用工作,而针对高光谱遥感的研究工作还未开展。明舒井地区基岩出露好、地形起伏小、切割弱,地表蚀变发育,矿床、矿点分布较多,具备开展高光谱遥感技术的地质和自然地理条件,有利于发挥高光谱的技术优势。     

高光谱遥感水文地质应用新进展

高光谱遥感是一种利用成像光谱仪同时获取地物目标辐射、光谱和空间等多重信息遥感的技术,水文地质是高光谱遥感重要的应用领域之一,通过高光谱遥感图像分析,能够提取大区域包气带及含水系统的水文地质信息,可为水文地质环境的识别及实时监测、地下水资源高效管理、地下水数值模型构建等提供科学数据。通过调研凝练了高光谱遥感基本原理方法及其在水文地质方面的应用研究,重点总结了地下水环境污染和水文信息反演方面的高光谱遥感应用研究进展,分析了高光谱遥感水文地质应用所面临的挑战,并展望了高光谱遥感水文地质应用研究的发展趋势,主要包括:通过土壤和植被的光谱信息实现对研究区包气带土壤重金属污染状况的大面积、短周期连续快速监测;在高光谱图像中提取构造、地层岩性等地质和水文地质特征,以环境指示因子（如植被）为有效补充,获取饱和带地下水环境信息;通过高光谱图像识别植被类型、计算植被覆盖度、分析叶片反射光谱特征并建立模型反演土壤含水量和地下水位,为研究和保护缺水地区生态环境提供数据支撑。     

高植被覆盖区遥感矿化信息提取方法研究

针对吉林省由于植被覆盖、水体、阴影等干扰因素,遥感矿化蚀变信息提取方法繁琐,提取结果不理想的问题,采取主成分分析和比值法相结合,采用遥感蚀变信息多层次分离技术,省去多次掩膜处理,尽可能的保留原始信息,减少了人为因素,提取方法更为简便且准确,为高植被覆盖区遥感矿化蚀变信息提取提供了新思路。     

利用粗糙集理论进行遥感分类信息提取

以辽宁省双台子河口湿地为研究对象,以Landsat 8和HJ-1-A/HJ-1-B的多时相遥感影像为数据源,根据研究区现状,将研究区分为旱地、芦苇、水田、碱蓬、混合植被、水面、滩涂、居民点、养殖塘九个类型.利用时间序列的归一化植被指数提取植被与非植被的分类阈值,采用粗糙集理论和多时相遥感影像,对植被和非植被分别进行分类规则的获取,建立了研究区决策树分类模型.为了进行精度评价,利用相同的训练点又进行了同样基于像元的最大似然法分类.最后利用混淆矩阵对上述两种方法进行了精度评估,基于粗糙集的决策树分类法与最大似然法总体分类精度分别为93.70%和91.62%,Kappa系数分别为0.92和0.90,两项指标值基于粗糙集理论法均比最大似然法有所提高.这为构建决策树分类模型进行湿地地表分类信息提取提供了一条新的研究思路.     

基于粗糙集的可拓评判权值确定

为了避免传统的权值确定方法所带来的主观性影响,将粗糙集理论引入可拓权重系数的求解过程中,使权系数问题转化为属性重要度评价问题。通过建立决策表并进行知识约简,确定相应的评价指标,利用各评价指标的重要度计算出相应的权值。这种方法可以更好地避免主观因素对权值的影响,使权值更具有客观性。通过实际工程应用,将粗糙集理论确定的权值与关联函数求得的权值进行对比,证明了基于粗糙集的可拓权值是合理可靠的。     

植被覆盖区高光谱蚀变矿物信息提取

在植被覆盖严重地区,基于综合光谱信息模型,开展了高光谱遥感典型蚀变矿物信息提取研究.以河北省承德市大营子地区为例,利用Hyperion数据,在植被覆盖度大于70%的地区,根据蚀变矿物与背景地物波谱特征的差异,提取了该区绿泥石、斜绿泥石、方解石和白云石蚀变矿物分布信息,与已知地质矿产资料及野外检查结果一致.最后依据蚀变矿...     

土体微观结构对冻胀影响的灰色关联及粗糙集评价

以季冻区粉土为研究对象,进行不同条件下室内冻胀试验,测得冻胀指标--冻胀率;同时运用扫描电子显微镜WD-5图像处理系统提取并定量化冻胀前土样微观结构参数（包括孔隙参数和结构单元体参数）。由于结构对冻胀影响具有非线性、复杂性、模糊性等特点,选择灰色关联法及粗糙集２种非线性评价方法,评价各结构参数对冻胀率的影响程度。评价结果表明：与冻胀率关联度较高的孔隙参数为形态分布分维数、平均丰度、平均圆形度和平均各向异性率,单元体参数为平均各向异性率、形态分布分维数和定向概率熵。粗糙集约简结果中,对冻胀影响较明显的孔隙参数为平均各向异性率、平均丰度、定向分维数和形态分布分维数,单元体参数为形态分布分维、平均各向异性率、平均形状系数。比较2种评价方法所得结果,分析其中的异同。最后综合考虑２种评价结果,确定8个对冻胀意义较明显的结构参数：孔隙的形态分布分维、平均丰度、平均各向异性率、定向分维数;单元体的平均各向异性率、形态分布分维、平均形状系数和定向概率熵。     

基于粗糙集理论与遗传规划的地表下沉系数预测研究

利用粗糙集理论处理大数据量.消除冗余信息等方面的优势,计算出下沉系数各影响因素的属性重要性,约简了遗传规划训练样本集,建立了基于粗糙集和遗传规划的地表下沉系数预测模型。并与BP神经网络法预测结果进行了对比,结果表明,本模型具有精度高,收敛速度快等特点,将其应用到地表下沉系数预测中是可行的。     

利用粗糙集的滑坡分阶段位移预测方法——以白家包滑坡为例

为解决大数据量下滑坡的位移数值精确预测,采用数据挖掘技术对滑坡多源监测数据进行预处理,进而采取粗糙集理论对输入变量集进行定量评价、约减并完成滑坡变形阶段预测,在此基础上利用不同算法进行滑坡变形位移数值预测。实验显示,粗糙集对滑坡变形阶段划分的准确度达到96.5%,在此基础上利用分类回归树预测滑坡位移的精度达到6.5 mm。结果表明,分阶段的位移预测方法是可行的,其提供的预测精度显著优于普通方法并且达到了工程应用的需求。     

基于邻域粗糙集和支持向量机的固结系数预测

采用邻域粗糙集和支持向量机建立滹沱河某地区软土固结系数的预测模型。基于自行改装的渗透固结仪,利用公式法确定不同压力下的固结系数。通过室内试验确定土体的指标参数,采用邻域粗糙集对该指标参数进行属性约简,将约简后的指标参数作为影响因素,分别建立支持向量机和神经网络的固结系数预测模型,预测未知样本的固结系数,并与实测值进行对比。结果表明:公式法可以准确客观地确定固结系数;支持向量机和BP神经网络建立的该地区软土固结系数预测模型均可以预测区域内未知点的固结系数,且支持向量机方法的预测精度比神经网络方法的预测精度提高了约10%。本文提出的方法直接从实验数据出发,通过易获取的影响因素建立特定地区固结系数预测模型,并可预测该区域其余未知点的固结系数。     

金矿资源定量预测的粗糙集方法

矿产信息是各种成矿相关信息的综合体现,为了有效地提取成矿预测综合信息,有必要客观地筛选原始观测信息,突出成矿密切相关的致矿因子。粗糙集不需要数据的附加信息或先验知识,在知识库分类能力不变的前提条件下,删除无关或不重要的属性,能对决策系统进行有效约简。提出基于粗糙集理论进行集成化预测模型研究的新方法,基于粗糙集思想提取与成矿密切相关的特征矿化信息,获取最佳变量组合及区间值,并将其作为参量建立预测模型,结合经典矿床统计预测聚类方法确定代判临界值,及特征分析方法对矿产资源进行定量预测,确立了8个成矿有利单元,与研究区勘查工程资料基本吻合,表明该方法能够有效降噪,简化模型,为靶区预测提供准确的依据。     

基于粗糙集对势的优势断裂评价模型

优势断裂找寻是区域稳定性评价的重要内容,关系到重大工程的安全运行和场址选择.本文基于粗糙集和集对分析理论,探讨了优势断裂的粗糙集对势评价模型,即首先据优势面理论确定了分析优势断裂的优势指标,应用粗糙集理论对待评断裂的评价指标进行约简,并基于属性重要性计算相应约简后指标的权重,通过集对分析理论计算待评样本与指标最优、最劣值的集对同一度和对立度及集对同势,进而提出相应的优势断裂集对同势判定标准,以确定工程区域优势断裂.实例应用和与其它方法对比分析结果表明,该模型应用于区域优势断裂评价是有效可行的且客观;规模优势指标、距离优势指标和时间优势指标对润扬大桥桥址区断裂活动性影响相对大,茅山断裂、郯庐断裂和长江断裂为工程区域优势断裂.     

An Approach to Spectral Discrimination of Rocks Using ASAI and Rough Sets

Field data of outcrop spectrums provide important basis for modeling of hyper-spectral remote sensing aiming at mineral prospecting. We make an approach to the application of rough set theory in spectral discriminiation of rocks. We build a decision table with an adequate number of samples (out-crops) of known rock type (the universe), of which the conditional atributes are discretized “area spectrum absorption indexes“ (ASAI) corresponding to wavelength intervals, and the decision atribute is rock type. We search to obtain the exhaustive set of reducts of the table, each of which will serve as a variable number of deduction rules. Suppose we have n (usually a very big number) rules in total and there are m types of rocks in our universe, for any unknown sample, we judge its rock type by each of those rules. An unknown sample may be recognized as a different type by different rules because it is out-side our universe, and we accept the most frequent judgment result and ignore the other m-1 types of results. Our ASAI is an improvement upon the traditional spectrum absorption index (SAI), better applicable to field spectrums: given a spectrum curve and a wavelength interval, we take the average reflectance within the interval as a base line and let ASAI=αbelow/(αabove αbelow), where αbelow and αabove stand for total areas, bounded by the curve, the base line and the borders of the intervalbelow and above the base line respectively. With the equipments of FieldSpectr Fr (made by ASD Co., US), we collected data from Baiya gold deposit, Yunnan, and applied the above method to discriminate altered rocks as an experiment. The results show satisfactory performance of the method.