利用自组织特征映射神经网络和K-means聚类算法挖掘区域化探数据中的地质信息

区域化探数据包含丰富的地质信息,从区域化探数据中挖掘出这些信息,对于区域地质研究具有重要意义。笔者提出了一种利用自组织特征映射网络和K-means聚类算法挖掘区域化探数据中地质信息的方法,将标准化之后的元素含量数据作为模型输入值,通过自组织神经网络进行聚类,再通过K-means算法进行二次聚类,从聚类结果中分析其中包含的地质信息。以英格兰西南部某区水系沉积物区域化探数据为例,进行实例研究以检验该方法的实际效果。实例结果表明:(1)利用该方法得出的聚类结果图很好地响应了地质体的空间分布,可用于推断地质体的分布特征;(2)地质信息隐藏在每个聚类类型的地球化学特征之中,通过对这些特征进行分析和解释,可以挖掘出其中所包含的信息;(3)基于SOM网络和K-means聚类的区域化探数据挖掘方法是一种有效的地质信息获取方法,对于传统区域地质研究可以起到补充和增强的作用。