基于卷积神经网络模型划分成矿远景区 ——以甘肃大桥地区金多金属矿田为例

摘要：

大数据和高性能计算使得地质学可能突破种种主客观因素的限制,从传统的定性描述和不确定性作为特点转变为更全面的定量化发展阶段,即地质学更加注重通过挖掘复杂的多元地学数据间的关联关系来探究地质成因过程.为了厘清研究区多元化地质数据并划分成矿远景区,结合现代信息化新方法新技术,智能高效地帮助地学工作者提供辅助决策依据.以甘肃省大桥金矿为研究区,提出了利用一维卷积神经网络替代传统的人工计算,通过对研究区金多金属矿的地球化学元素及地球物理元素数据进行训练,挖掘研究区综合成矿信息,依据训练结果划分出4类成矿远景区.研究结果表明,地质成矿过程复杂,每一个成矿预测要素在地质成矿过程中均发挥重要的作用.在大比例尺度上,应用深度学习网络模型划分成矿远景区能客观地反映多元化地质数据本身的非线性特征,识别地质要素的空间特征,深层次提取和挖掘成矿异常信息,实现矿产资源智能化预测评价.

关键词：卷积神经网络、模型、成矿远景区、大桥、矿田

所属期刊栏目：38

分类号：P618.51;P628(矿床学)

资助基金：中国地质调查局项目《地质矿产智能化调查系统开发与应用》;《智能地质调查系统开发与推广》;科学技术部项目《深部矿产资源评价理论与方法》

在线出版日期：2020-03-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：1999-2009