【摘 要】
：
人工神经网络方法是矿产资源评价领域应用广泛的一类非线性统计方法.但是,常用的神经网络方法需要预先定义一系列初始化参数而且模型训练过程收敛速度缓慢、容易出现过拟
【机 构】
：
吉林大学,综合信息矿产预测研究所,吉林长春 130026
【出 处】
：
第十五届全国数学地质与地学信息学术研讨会
论文部分内容阅读
人工神经网络方法是矿产资源评价领域应用广泛的一类非线性统计方法.但是,常用的神经网络方法需要预先定义一系列初始化参数而且模型训练过程收敛速度缓慢、容易出现过拟合现象.极限学习机是一种新的单一层前馈神经网络模型学习算法,该算法的初始化参数少、学习训练速度快而且模型泛化性能强.作为一种新的非线性回归与分类模型,极限学习机已广泛应用于机器学习领域.鉴于此,我们选择青海省拉陵灶火地区为实验研究区,将研究区划分成37,400个网格统计单元(含矿单元17个),构建了基于极限学习机回归和分类的多金属矿产靶区预测非线性统计模型,预测了研究区的多金属矿产靶区,用ROC(Receiver Operating Characteristic Curve)曲线评价了模型的矿产靶区预测效果,用AUC(ROC曲线下方面积)评价了模型的矿产靶区预测总体效果,用约登指数确定了矿产靶区与非靶区的最佳分界线.研究结果表明：① ROC曲线特征和AUC统计值揭示极限学习机模型能够很好地区分研究区含矿和非含矿统计单元；②应用约登指数圈定的最优预测靶区占研究区总面积比例小(2.66～3.66％)但最优靶区包含了研究区绝大多数的已知多金属矿床(点)(82％)；③极限学习机回归和分类模型的学习训练过程耗时短(75.6～518.3秒).由此可见,极限学习机可以作为一种性能优越的数据驱动型矿产预测模型.
其他文献
覆盖区找矿与基岩出露区相比具有更大的难度和不确定性，因此，开展覆盖区找矿靶区优选与验证意义重大。本文提出了以"相似类比－关联求异－要素匹配"为核心的基于地质约束的综合
本文介绍了中国地质调查局即将颁布的三维地质模型数据交换格式标准(Geo3DML)及其向Adobe 公司的3DPDF文件转换的必要性和实现的技术途径。先简单介绍了中国地质调查局主
利用中国地质调查局DGSS 软件,将金岭铁矿区新立庄矿床普查报告中的9 条勘探线及其剖面图,12 个钻孔工程,153 件岩心样品数据等资料,做出了可以任意角度观察的新立庄矿床
大型岩土工程的开展，对快速了解区域地表地质构造提出了迫切需求。目前地质建模方法主要针对地质体的地下发育情况，对地上出露地质体部分涉及较少。而基于多视角照片序列的
在地形起伏较大的区域，山脊区域地形采样相较于山谷区域困难，高程采样点较稀少，因此针对山脊区域采样点较少而山谷区域采样点较多的情况对整个区域进行DEM 插值，需要进行分区
三维表面形体重构方法大多是基于二维平行轮廓线的，这种基于二维平行轮廓线的方法已广泛应用于医学影像、地学建模等领域。但是，在地学建模领域，利用地质剖面进行三维表面重
流域地貌信息熵能够反映地质构造活动的强度,可以通过它的值的大小判读潜在突发性泥石流危险性的高低。利用震后无人机拍摄的立体像对,提取震后DEM,采用GIS 技术将研究区
本文应用全国矿产资源潜力评价矿产预测技术体系所提出的矿床模型综合地质信息预测方法,以区内穆呼锰矿为典型矿床,开展区域矿产预测,结合区域地球化学、地球物理异常,总结区
滑坡灾害具有突发性，运用常规地面调查方法很难满足要求，尤其是很难满足时效性，结合多源SAR遥感数据解译结果，在选择评价指标体系的基础上，综合运用数学方法、GIS技术，对研究区