| 基于机器学习的成矿背景异常分解关键参数的自动计算 |
| |
| 引用本文： | 曹亚琴,王永志,卢鹏羽.基于机器学习的成矿背景异常分解关键参数的自动计算[J].地球物理学进展,2021,36(3):1226-1235. |
| |
| 作者姓名： | 曹亚琴 王永志 卢鹏羽 |
| |
| 作者单位： | 吉林大学地球探测科学与技术学院,长春 130061;吉林大学地球探测科学与技术学院,长春 130061;吉林大学综合信息矿产预测研究所,长春 130061 |
| |
| 摘 要： | 分形是地质矿产领域非线性计算的重要方法,GeoDAS软件是实现该方法的有效工具,因受限于软件的紧耦合性,目前难以整合人工智能等在线计算资源.为了充分发挥分形在地学大数据处理与智能分析中的作用,本文以成矿背景异常分解技术中异常下限(阈值)估计为研究目标,提出了一种利用机器学习中线性回归算法拟合数据实现阈值自动求取的方法,在ArcGIS Pro中采用Python基于机器学习框架实现了异常下限智能计算模块.采用GeoDAS软件自带砷(As)示例数据进行两种方法对比实验.实验结果表明:机器学习方法与GeoDAS的能谱密度面积(S-A)异常分解技术所得阈值的平均差小于8％,且最小差为2.35％.此外,根据最佳阈值对异常场圈定效果与软件处理后呈现效果基本一致或完全相同,验证了采用机器学习方法自动计算阈值下限方法的有效性.
|
| 关 键 词： | 机器学习 多重分形 能谱密度面积(S-A) 线性回归拟合 阈值 |
Research on automatic evaluation for key parameter of anomaly decomposition of metallogenic background based on machine learning |
| |
| CAO YaQin,WANG YongZhi,LU PengYu.Research on automatic evaluation for key parameter of anomaly decomposition of metallogenic background based on machine learning[J].Progress in Geophysics,2021,36(3):1226-1235. |
| |
| Authors: | CAO YaQin WANG YongZhi LU PengYu |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
