[發(fā)明專利]一種礦產(chǎn)探測(cè)方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 201910580023.7
• 申請(qǐng)日: 2019-06-28
• 公開(kāi)（公告）號(hào): CN110264016A
• 公開(kāi)（公告）日: 2019-09-20
• 發(fā)明（設(shè)計(jì)）人: 張宏睿
• 申請(qǐng)（專利權(quán)）人: 中國(guó)地質(zhì)大學(xué)（北京）
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06Q50/02;G01V9/00
• 代理公司: 北京知呱呱知識(shí)產(chǎn)權(quán)代理有限公司 11577
• 代理人: 杜立軍;孫志一

本發(fā)明實(shí)施例公開(kāi)了一種礦產(chǎn)探測(cè)方法，其特征在于，包括如下步驟：分析待探測(cè)區(qū)域的礦床類型，獲得所述區(qū)域的成礦模型；將地質(zhì)信息、遙感信息及地球化學(xué)信息輸入至所述成礦模型，得到特征信息；采用插值算法、因子分析算法對(duì)所述特征信息進(jìn)行優(yōu)化，得到證據(jù)圖層。采用預(yù)先訓(xùn)練的支持向量機(jī)模型，對(duì)所述特征信息進(jìn)行分類預(yù)測(cè)，得到成礦探測(cè)圖。本發(fā)明采用證據(jù)圖層的計(jì)算，使得預(yù)測(cè)所需樣本少，符合成礦預(yù)測(cè)時(shí)已知礦點(diǎn)少的實(shí)際地質(zhì)情況；結(jié)合核函數(shù)，可進(jìn)行數(shù)據(jù)維度轉(zhuǎn)換，簡(jiǎn)化高維空間問(wèn)題的求解難度以及加快計(jì)算速率；基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則，避免了過(guò)學(xué)習(xí)問(wèn)題，泛化能力強(qiáng)。

技術(shù)領(lǐng)域

本發(fā)明實(shí)施例涉及礦產(chǎn)探測(cè)技術(shù)領(lǐng)域，具體涉及一種礦產(chǎn)探測(cè)方法及裝置。

背景技術(shù)

現(xiàn)代化建設(shè)中，資源供給不足已成為國(guó)家可持續(xù)發(fā)展的一大瓶頸，而金礦資源又是重中之重。黃金不僅是衡量一個(gè)國(guó)家經(jīng)濟(jì)實(shí)力和支付能力的象征，同時(shí)也在工業(yè)上有廣泛的用途。金礦資源是發(fā)展黃金生產(chǎn)的基礎(chǔ)，世界各國(guó)都十分重視金礦的勘查和開(kāi)采。華北地臺(tái)北緣金礦資源較為豐富，礦點(diǎn)約達(dá)900個(gè)，儲(chǔ)量約為900噸，占我國(guó)黃金儲(chǔ)量的20％左右。集寧淺覆蓋區(qū)位于華北陸塊北緣的烏拉山-大青山東段，具有歷史演化久、建造齊全、巖漿構(gòu)造活動(dòng)極為復(fù)雜的特點(diǎn),是進(jìn)行金礦勘探的理想地區(qū)。但由于集寧地區(qū)覆蓋層的存在，這會(huì)導(dǎo)致找礦信息在獲取時(shí)存在信息的“弱緩”、“復(fù)合和疊加”、“缺失和不完整”等問(wèn)題，傳統(tǒng)的線性理論礦產(chǎn)探測(cè)方法在解決上述問(wèn)題具有明顯不足。而且隨著礦產(chǎn)勘查工作由淺部礦向深部、隱伏礦轉(zhuǎn)變，傳統(tǒng)線性理論愈加凸顯局限性。人工神經(jīng)網(wǎng)絡(luò)等非線性理論已被引入成礦探測(cè)模型研究中，并在成礦探測(cè)中取得一定成果，提高了探測(cè)水平，但在建模過(guò)程中普遍存在需求樣本量大、過(guò)學(xué)習(xí)的問(wèn)題。支持向量機(jī)是近些年來(lái)在統(tǒng)計(jì)學(xué)習(xí)理論的基礎(chǔ)上發(fā)展起來(lái)的一種新的模式識(shí)別方法，在解決高維度、非線性、小樣本等問(wèn)題上具有獨(dú)特優(yōu)勢(shì)，因此開(kāi)展基于支持向量機(jī)的成礦探測(cè)是十分必要的。

支持向量機(jī)是一類按監(jiān)督分類方式對(duì)數(shù)據(jù)進(jìn)行二元分類的廣義線性分類器。1964年，Vapnik和AlexeyY.Chervonenkis對(duì)廣義肖像算法進(jìn)行了進(jìn)一步討論并建立了硬邊距的線性SVM。此后在二十世紀(jì)70-80年代，隨著模式識(shí)別中最大邊距決策邊界的理論研究、基于松弛變量的規(guī)劃問(wèn)題求解技術(shù)的出現(xiàn)，和VC維(Vapnik–Chervonenkis,VC dimension)的提出，SVM被逐步理論化并成為統(tǒng)計(jì)學(xué)習(xí)理論的重要部分。1992年，Bernhard E.Boser、Isabelle

M.Guyon和Vapnik通過(guò)創(chuàng)建核函數(shù)首次得到了非線性SVM。1995年，CorinnaCortes和Vapnik提出了軟邊距的非線性SVM并將其應(yīng)用于手寫數(shù)字識(shí)別問(wèn)題。SVM使用越來(lái)越廣泛，基于上述原理出現(xiàn)了很多變種。除了傳統(tǒng)的硬間隔、軟間隔支持向量機(jī)外，又有概率SVM、LSSVM、SVR、多分類、多核、聚類、半監(jiān)督支持向量機(jī)等。