机器学习方法在矿产资源定量预测应用研究进展 |
| |
作者单位: | 中国地质大学(武汉)资源学院,武汉430074;中国地质大学(武汉)资源学院,武汉430074 |
| |
摘 要: | 回顾了国内外在矿产资源定量预测研究领域的发展历程,对近十年来国外相关方向的文献进行了统计对比分析,结果显示机器学习方法已经成为矿产资源定量预测研究领域的热点方向,并主要在如下3个方面发挥了积极的作用:(1)提取和挖掘复杂数据中隐藏的难以识别的矿化信息;(2)致矿异常信息关联与转换;(3)多源地学数据的致矿异常信息融合、预测和发现矿床。对逻辑回归、人工神经网络、随机森林与支持向量机等主要机器学习算法与模型在矿产资源定量预测实践中的应用效果进行了评述,并探讨了在实际应用过程中存在的样本选择、错分代价、不确定性评价以及模型性能评价等主要问题及目前的解决方案。最后提出基于大数据与机器学习的矿产资源定量预测是未来发展的重要趋势。
|
关 键 词: | 矿产资源定量预测 地学大数据 数据挖掘 信息融合 机器学习 |
本文献已被 CNKI 万方数据 等数据库收录! |
|