基于语义分割深度学习的找矿靶区预测研究——以广东省阳江-茂名地区为例

摘要：

找矿靶区预测需要综合考虑地质背景、地球化学数据、地球物理勘探数据、遥感数据等因素.随着人工智能时代的到来,靶区预测可以最大限度地利用计算机运算性能,通过特定的规则集成所有地学数据对各类矿种的找矿靶区进行预测,尽可能规避由于数据种类多、数据量大、方法复杂、主观性强造成的预测结果可靠性差等问题.本文以广东省阳江-茂名地区为例,融合地球化学、地层岩性、地质构造、地形地貌等数据,基于PSPNet、SegNet、UNet三种语义分割深度学习模型进行预测,结果表明PSPNet模型在预测精度方面优于SegNet及UNet模型,并预测出了55处铁矿、金矿、铜矿、高岭土矿找矿靶区,其中79.7％的已查明矿点位于预测靶区内,表明该方法在找矿靶区预测中具有较高的可行性,可以用于找矿勘查并圈定靶区.

关键词：语义分割、PSPNet卷积、找矿靶区、地球化学、阳江、茂名、广东省

所属期刊栏目：59

分类号：P614.4+63;P614.4+64;TP391(矿床学)

资助基金：广东省地质勘查与城市地质专项;广东粤东地区万区域地球化学调查及全省成果集成联合资助

在线出版日期：2023-10-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1093-1102