基于深度学习的山东大尹格庄金矿床深部三维预测模型

发布时间：2021-02-11 12:32

　　在隐伏矿体三维预测中,预测模型的准确性在很大程度上取决于找矿指标对矿化富集部位的指示性。然而,找矿指标容易受到找矿概念模型可靠性和成矿信息提取有效性限制,从而影响预测的准确性。论文以山东大尹格庄金矿隐伏矿体三维预测为例,基于深度学习方法,构建矿床深部隐伏矿体三维预测模型,旨在利用深度网络模型,学习获得对矿化具有显著指示性的找矿指标,提升三维预测的准确性。该方法将三维地质模型及其形态特征转换为适合卷积网络二维图像,采用卷积神经网络实现找矿指标的自动提取,并构建三维地质模型到矿化富集地段的定量关联。利用该方法建立了大尹格庄金矿的三维预测模型,经与几种人工建立找矿指标预测模型的对比分析,表明基于深度学习的预测模型较大地提升了预测准确性。 

【文章来源】：地球学报. 2020,41(02)北大核心

【文章页数】：9 页

【部分图文】：

方法流程Fig.2Pipelineofourmethod

【参考文献】：
期刊论文
[1]胶西北金矿集区深部成矿构造三维建模与找矿意义[J]. 毛先成,王琪,陈进,邓浩,刘占坤,王金利,陈建平,肖克炎.  地球学报. 2020(02)
[2]基于成矿系统的三维定量预测研究——以四川拉拉铜矿为例[J]. 向杰,肖克炎,陈建平,李诗.  地球学报. 2020(02)
[3]山东大尹格庄金矿床深部三维定量成矿预测[J]. 陈进,毛先成,邓浩.  地球学报. 2020(02)
[4]卷积神经网络及其在矿床找矿预测中的应用——以安徽省兆吉口铅锌矿床为例[J]. 刘艳鹏,朱立新,周永章.  岩石学报. 2018(11)
[5]隐伏矿体三维综合信息成矿预测方法[J]. 袁峰,李晓晖,张明明,周涛发,高道明,洪东良,刘晓明,汪启年,朱将波.  地质学报. 2014(04)
[6]基于三维信息技术大比例尺三维立体矿产预测方法及途径[J]. 肖克炎,李楠,孙莉,邹伟,李莹.  地质学刊. 2012(03)
[7]凤凰山矿田成矿地质体三维结构与控矿地质因素分析[J]. 毛先成,唐艳华,赖健清,邹艳红,陈进,彭省临,邵拥军.  地质学报. 2011(09)
[8]基于三维可视化技术的隐伏矿体预测[J]. 陈建平,吕鹏,吴文,赵洁,胡青.  地学前缘. 2007(05)
[9]大尹格庄金矿床构造控矿规律及找矿意义[J]. 李德秀,高帮飞,刘琰,周应华,江少卿,徐福玉,朱悦荣,于瑞业,徐建利,王翠红,张瑞忠,吴忠.  地质与勘探. 2006(04)
[10]中国陆区大规模成矿的地球动力学:以夕卡岩型金矿为例[J]. 陈衍景,陈华勇,K.ZAW,F.PIRAJNO,张增杰.  地学前缘. 2004(01)



本文编号：3029117