基于AlexNet网络的二维找矿预测——以松桃—花垣地区沉积型锰矿为例

在大数据的时代背景下,地质大数据逐渐趋于复杂化的模式与其间的空间关联性为基于机器学习算法的矿产资源定量预测带来了更大的挑战。利用深度卷积网络算法优异的分析性能来提取不同成矿条件下多种二维要素图层的空间分布特征与关联性是一项非常有意义的探索性实验。以松桃—花垣地区沉积型锰矿为例,利用深度卷积神经网络模型AlexNet挖掘Mn元素、沉积相、大塘坡组出露、断裂及水系的空间分布与锰矿矿床的就位空间的耦合相关性,以及不同的控矿要素之间的相关性,以此训练出二维矿产预测分类模型。经过训练后,可以得到验证准确率88.89%,召回率为66.67%,损失值0.08的深度卷积神经网络分类模型。应用该模型对未知区进行二维成矿预测,共圈定出91、96、154、184号4个成矿远景区,其中91号和154号的区域含矿概率为1,96号含矿概率为0.5。由此可见,预测区具有很大概率存在尚未发现的矿床。     

基于循环神经网络的找矿模型构建与预测

在大数据和人工智能背景下,基于已有的传统地质找矿模型建立与应用基础,提出基于循环神经网络的找矿模型构建与预测方法,实现对地质数据的深入分析和理解。针对地质找矿模型构建与预测的需求,结合数据清洗理论,对传统地质找矿模型进行归纳与总结,建立地质找矿知识库,为深度学习算法提供训练数据。通过分类算法研究,综合对比结果的准确率与分类所用时间,最终选用RNN分类算法对找矿概念模型进行分类。在建立研究区找矿模型中,通过关键词与控矿要素完成模型匹配,利用模型计算对模型匹配结果进行数据分析,实现区域地质找矿模型的构建与矿产资源的预测评价和分析。以大水金矿为例,快速准确地实现了找矿模型的构建,有效地对矿产资源预测工作提供了指导,验证了该方法的可行性。     

北京城区2000—2014年地表温度反演及因素分析

传统的城市温度监测方法周期长、效率低,而利用热红外遥感影像进行城区温度监测的方法具有准确、简便、实用等优点。基于Landsat TM、ETM+、OLI遥感影像数据,应用辐射传输方程法对北京城区（东城区、西城区、宣武区、崇文区、朝阳区、海淀区和丰台区7个区域）2000—2014年夏季地表温度的空间分布和时间变化进行分析及温度反演,结果显示,高温区分布有一定的规律,降雨情况、植被覆盖度的变化以及城区规划都是北京城区温度变化的重要影响因素。研究结果可为减缓北京的热岛效应提供依据。     

历史水文观测数据反演的热带太平洋西边界流多年代变化趋势

大尺度海洋环流是海洋能量再分配的基本物理过程之一,研究西太平洋海洋环流在全球气候变暖背景下的多年代变化趋势对理解和预测未来西太平洋气候变化具有重要意义.本文利用最新发布的世界大洋数据集(WOA18)的年代平均水文观测时间序列,计算了1955～2017年间热带西太平洋北赤道流、北赤道逆流、棉兰老流、源地黑潮和新几内亚沿岸...     

高光谱遥感在土壤重金属污染监测中的应用

高光谱技术的快速发展为宏观、快速获取土壤中的重金属元素信息提供了有力支撑。选择云南大红山铜矿作为研究区,对其土壤进行采样,其中水样、底泥样和土壤样各30个,共90个样本。使用ASD光谱仪对样品进行光谱分析,借助ENVI软件对原始测量数据进行平滑与去噪处理,利用与重金属相关的官能团在VNIR和SWIR波段光谱吸收特征的变化提取光谱吸收特征参数。通过与预处理后研究区的HyMap遥感图像数据进行光谱相似度及光谱参数相似度的对比,验证了将ASD实测光谱与HyMap高光谱遥感数据结合监测研究区重金属污染的可行性。认为高光谱遥感在土壤重金属监测方面有着广泛的应用前景。