基于半监督神经网络的铜矿预测方法

发布时间：2021-12-02 06:21

　　将人工智能技术引入成矿预测研究中,可以提高预测效率,挖掘探测数据与结果之间的隐藏信息.利用半监督学习方法对样本构建要求低的优点,结合其在异常识别方面的应用效果,设计了基于分割准则的孤立森林与深度自编码网络的神经网络结构;基于西藏冈底斯地区的化探元素数据,对研究区内的铜矿进行了成矿预测工作,预测结果与已知矿区数据叠加效果较好,说明本文的神经网络结构能够完成成矿远景区的预测工作. 

【文章来源】：地球科学. 2020,45(12)北大核心EICSCD

【文章页数】：11 页

【部分图文】：

基于非监督学习成矿预测流程图

在进行预测时，我们还需要一个鉴别器来对研究区内全部数据的预测结果进行评价.根据实际需要，结合自编码器自身特点，本文对神经网络的结构进行了改进，使其能够完成训练-鉴别的完整的半监督学习目的，该网络被定义为encoderdecoder.类似于生成对抗网络（generative adversarial networks,GAN），自编码器编码和解码的训练过程被用作生成器.该网络能够根据训练得到的参数重构出待预测数据的分布情况，并且利用重构误差进行异常检测.由于编码和解码过程中的参数是由之前的背景样本数据训练得到，因此在对所有的待预测数据进行重构时，属于背景的区域重构误差小，异常的区域重构误差较大.生成对抗网络机制的自编码器网络结构如图3.图3 生成对抗网络机制的自编码器网络结构

生成对抗网络机制的自编码器网络结构

【参考文献】：
期刊论文
[1]藏南拉隆穹窿的厘定及其稀有多金属成矿作用新发现[J]. 黄勇,付建刚,李光明,张林奎,刘洪.  地球科学. 2019(07)
[2]基于卷积神经网络的高分遥感影像露天采矿场识别[J]. 程国轩,牛瑞卿,张凯翔,赵凌冉.  地球科学. 2018(S2)
[3]藏南扎西康矿集区深部结构与成矿:来自地球物理的证据[J]. 焦彦杰,黄旭日,李光明,梁生贤,郭镜.  地球科学. 2019(06)
[4]基于GIS的人工神经网络模型在铀成矿预测中的应用——以塔里木盆地北缘为例[J]. 全旭东,王永军,汪冰,马密堂.  铀矿地质. 2013(06)
[5]我国矿产资源保障问题的思考[J]. 麻志周.  国土资源情报. 2009(03)
[6]基于BP神经网络的湘西金矿成矿预测[J]. 邵拥军,贺辉,张贻舟,梁恩云,丁宗炜,陈星霖,刘忠法.  中南大学学报(自然科学版). 2007(06)
[7]我国重要有色金属资源——铜矿的现状及展望[J]. 刘小舟.  西北地质. 2007(01)
[8]西藏冈底斯铜矿资源前景与找矿方向[J]. 李光明,王高明,高大发,黄志英,姚鹏.  矿床地质. 2002(S1)
[9]松辽盆地深层孔隙流体压力预测[J]. 刘文龙,李思田,孙德君,柴文华,郑建东.  地球科学. 2000(02)
[10]应用BP神经网络预测煤质参数及含气量[J]. 潘和平,刘国强.  地球科学. 1997(02)



本文编号：3527896