基于SVM模型和空間推理的礦產(chǎn)資源潛力評(píng)價(jià)方法及應(yīng)用.pdf

1、礦產(chǎn)資源是國(guó)家經(jīng)濟(jì)可持續(xù)發(fā)展的基礎(chǔ)資源之一。我國(guó)礦產(chǎn)資源儲(chǔ)量大,但人均占有量少,很多潛在礦產(chǎn)資源地位于中西部偏遠(yuǎn)山區(qū),勘查難度大,成本高。因此,如何充分利用已有海量空間地質(zhì)數(shù)據(jù),應(yīng)用機(jī)器學(xué)習(xí)和人工智能等新興信息技術(shù),構(gòu)建高效、準(zhǔn)確的礦產(chǎn)資源潛力評(píng)價(jià)模型,用于優(yōu)選礦產(chǎn)資源勘查靶區(qū)、減少礦產(chǎn)資源勘查成本,具有十分重要的科學(xué)意義和應(yīng)用價(jià)值。
　　論文針對(duì)目前礦產(chǎn)資源潛力評(píng)價(jià)方法對(duì)空間關(guān)系考慮不足的問(wèn)題,提出了一種充分挖掘控礦變量和評(píng)價(jià)單

2、元空間關(guān)系的新方法—耦合證據(jù)權(quán)與空間場(chǎng)景相似性的礦產(chǎn)資源潛力評(píng)價(jià)方法(Weights-of-Evidence and Spatial-Scene Similarity, WESS),并以我國(guó)青海省祁漫塔格成礦帶為研究區(qū)進(jìn)行詳細(xì)的應(yīng)用示范。同時(shí),針對(duì)研究區(qū)已知礦床較少的特點(diǎn),采用支持向量機(jī)(Support Vector Machine, SVM)分類算法對(duì)祁漫塔格地區(qū)的銅鐵鉛鋅多金屬礦種成礦潛力予以評(píng)價(jià)。最后,將傳統(tǒng)的證據(jù)權(quán)模型(Weig

3、ht-of-Evidence, WOFE)與SVM方法和WESS方法進(jìn)行詳細(xì)的實(shí)驗(yàn)效果對(duì)比。論文主要內(nèi)容和成果如下:
　　(1)針對(duì)研究區(qū)已知礦床較少的特點(diǎn),建立基于支持向量機(jī)的區(qū)域礦產(chǎn)資源潛力評(píng)價(jià)方法,充分發(fā)揮SVM模型有效處理小樣本和高維數(shù)據(jù)的優(yōu)勢(shì)。主要技術(shù)環(huán)節(jié)包括選擇徑向基核函數(shù)構(gòu)建分類模型,利用網(wǎng)格尋優(yōu)算法確定模型需要的最優(yōu)參數(shù),根據(jù)分類結(jié)果的概率分布確定成礦潛力指數(shù)等。
　　(2)針對(duì)目前礦產(chǎn)資源潛力評(píng)價(jià)方法主要考

4、慮成礦專題信息的屬性融合,缺乏對(duì)空間關(guān)系和空間場(chǎng)景有效處理的局限性,耦合證據(jù)權(quán)模型和空間場(chǎng)景相似性理論,構(gòu)建融合控礦變量屬性和空間關(guān)系的礦產(chǎn)資源潛力評(píng)價(jià)模型。主要技術(shù)流程包括:以評(píng)價(jià)單元為中心劃分空間場(chǎng)景;提取場(chǎng)景內(nèi)控礦變量和評(píng)價(jià)單元的空間拓?fù)洹⒎轿灰约熬嚯x關(guān)系;利用證據(jù)權(quán)模型確定控礦變量的成礦權(quán)重;計(jì)算以評(píng)價(jià)單元為中心的空間場(chǎng)景和以已知礦點(diǎn)為中心的空間場(chǎng)景的相似性。該方法突破傳統(tǒng)方法注重成礦專題屬性信息,缺乏對(duì)空間關(guān)系和空間場(chǎng)景有效處

5、理的局限。
　　(3)在分析祁漫塔格成礦帶區(qū)域地質(zhì)及銅鐵鉛鋅多金屬礦成礦特征的基礎(chǔ)上,分別應(yīng)用證據(jù)權(quán)模型,SVM方法和WESS方法進(jìn)行詳細(xì)的應(yīng)用示范實(shí)驗(yàn)。將研究區(qū)按總面積的10％、10％、80％劃分高、中、低潛力區(qū)。選擇全部54個(gè)已知礦點(diǎn)同時(shí)作為訓(xùn)練樣本和驗(yàn)證樣本,統(tǒng)計(jì)驗(yàn)證樣本落入高、中、低潛力區(qū)的個(gè)數(shù),WOFE模型評(píng)價(jià)精度分別為70.3％、5.5％、24.2％,AUC值為0.81;SVM方法評(píng)價(jià)精度分別為70.3％、14.9％、

6、14.8％,AUC值為0.86;WESS方法評(píng)價(jià)精度分別為88.9％、3.7％、7.4％,AUC值為0.91。選擇36個(gè)(三分之二)已知礦點(diǎn)用于訓(xùn)練,其余18個(gè)礦點(diǎn)用于驗(yàn)證,WOFE模型評(píng)價(jià)精度分別為66.7％、11.1％、22.2％,AUC值為0.79;SVM方法評(píng)價(jià)精度分別為72.2％、16.7％、11.1％,AUC值為0.85;WESS方法評(píng)價(jià)精度分別為77.8％、11.1％、11.1％,AUC值為0.88。選擇27個(gè)(二分之一)