一、ART神经网络模型在柴北缘—东昆仑造山型金矿预测中的应用(论文文献综述)
李程[1](2021)在《深部地质地球化学三维定量矿产预测方法研究 ——以西秦岭早子沟金矿为例》文中进行了进一步梳理深地资源勘查是国家战略需求,深部地质地球化学三维定量矿产预测的方法研究可为该需求提供重要的技术支撑。成矿空间三维精细化建模、深部成矿有利地质地球化学信息深层次提取与推断和大深度段定量成矿预测是三维定量矿产预测需要解决的三个核心的科学问题。鉴于此,论文采用了基于三维显式建模与隐式建模相结合的地质地球化学三维可视化展示、基于多重分形含量-体积(C-V)模型的原生晕地球化学元素空间分布规律研究、基于数据驱动和知识驱动的成分数据分析框架的原生晕地球化学元素组合特征提取与推断、基于机器学习和深度学习的大深度段定量矿产预测的系列方法。具体如下:(1)针对成矿空间三维精细化建模的科学问题,通过三维显式建模与三维隐式建模相结合的方式构建深部三维地质地球化学模型,在浅表数据丰富区采用显式建模方式尽可能地控制建模精度,在大深度段数据匮乏区,采用地质约束的隐式建模方式推断深部控矿要素的空间展布。构建了地形、矿体、岩体及构造的三维地质模型,分别构建了基于显式建模和隐式建模的原生晕数据体模型和深部定量矿产预测的可视化模型,为深部定量预测提供了可视化支撑。(2)针对深部成矿有利地质地球化学信息深层次提取与推断的科学问题,以非线性理论为指导,探讨多重分形模式下三维地球化学异常提取的方法,提取了成矿空间12种成矿相关原生晕地球化学元素的空间异常特征,为成矿空间元素分布、分带与组合特征的研究奠定了数据基础;研究了基于成分数据分析的元素组合特征提取方法,基于数据驱动的成分数据分析框架,定量提取了控矿构造对应的地球化学元素组合(Sb-Hg),为深部控矿构造的推断提供了数据支持;基于知识驱动的成分数据分析框架定量提取了前缘晕(As-Sb-Hg)、近矿晕(Au-Ag-Cu-Pb-Zn)和尾晕(W-Mo-Co-Bi)的元素组合,为深部原生晕结构解析提供了量化指标。在以上分析的基础上,构建了三维原生晕模型,通过与常规剖面原生晕方法的对比,圈定了深部靶位,为深部定量矿产预测提供了定性参考。(3)针对大深度段定量成矿预测的科学问题,以矿床成矿模式为依托,定量提取了深部地质地球化学找矿标志,构建了深部地质地球化学找矿模型,设计了用于深部定量矿产预测的最大熵模型、高斯混合模型和卷积神经网络模型三种机器学习和深度学习的定量矿产预测模型,以构造缓冲区、控矿构造元素组合Hg-Sb、主成矿元素Au、近矿晕元素组合Au-Ag-Cu-Pb-Zn、前缘晕和尾晕元素组合比值(As-Sb-Hg)/(W-Mo-Bi)五个找矿指标为输入变量,对大深度段矿体赋存地段开展了定量、定位、定概率的矿产预测。论文形成的深部地质地球化学三维定量矿产预测方法体系是以早子沟金矿成矿空间原生晕地球化学数据为依托,在充分剖析地质成矿规律的基础上,在定量提取地质地球化学找矿标志,构建深部地质地球化学找矿模型,开展大深度段定量矿产预测的思路下形成的研究成果。值得一提的是,2021年早子沟科研深钻在深部取得了显着的找矿成果,该深钻一方面验证了本论文深部预测的可信度,另一方面在加入深钻数据的基础上,为深部定量预测提供了新的找矿方向。
张雨维[2](2020)在《基于多源数据协同的集宁浅覆盖区玄武岩提取方法研究》文中指出玄武岩作为探测地球深部的“探针”和“窗口”,其空间分布对构造背景、岩石圈深部的动力学背景和地质找矿潜力等研究具有重要意义。由于大面积的第四系沉积物的覆盖,集宁玄武岩的岩性特征、边界不甚清晰,使其岩性识别成为一大难题。近年来,物化探、遥感技术作为人类研究地表的重要技术手段已广泛应用于覆盖区岩性识别中。然而,由于光学遥感数据只能获取地表信息、物化探数据存在采样不连续、比例尺小等缺陷,覆盖区岩性填图精度较低。为了提高覆盖区的玄武岩识别精度,本研究以内蒙古自治区乌兰察布市集宁区的兴和——鄂卜坪浅覆盖区为实验区,深入、全面地探讨如何协同利用遥感、地球化学、地质等多源数据对覆盖区玄武岩进行自动分类识别,明确覆盖区内玄武岩的空间分布。本研究的主要内容和成果如下:(1)通过多种多光谱遥感图像数据的岩性目视解译、岩性信息增强和机器学习分类比较,寻找适合多源数据协同识别覆盖区岩性的最佳数据组合和最优算法。实验证实:多源遥感数据组合的岩性分类能力显着优于单一遥感数据;而支持向量机(Supporting Vector Machine,SVM)在利用多源遥感数据进行覆盖区岩性识别中具有很大优势;(2)基于区域内水系沉积物地球化学数据进行插值分析,以探索其与玄武岩的对应关系。研究发现:最能代表区内玄武岩分布的元素组合为:Cd、Co、Cr、Cu、Mo、Ni、Zn和Pb;(3)结合能够有效反映研究区玄武岩分布的化探数据和遥感数据,利用SVM进行玄武岩分类研究。实验结果证明:化探数据和遥感数据的组合是覆盖区岩性识别的有效组合,从中可以得到更为准确的覆盖区玄武岩空间分布。综上所述,本研究中提出的多源地学信息协同处理的框架和技术可充分发挥不同地学数据的优势,提高覆盖区岩性填图精度和效率,将为覆盖区岩性识别提供技术参考,具有重要的学术意义。
耿国帅[3](2020)在《青海东昆仑成矿带东段地球化学数据处理方法及找矿靶区圈定》文中进行了进一步梳理东昆仑成矿带东段处于青海省中部,与其周边地区共同构成青藏高原北部的重要地质单元,并以其丰富的金、铜、铁、多金属矿产资源,成为国内重要的矿产资源基地之一。目前该地区基本实现了 1:50万、1:20万或1:25万化探数据覆盖,前人基于这些数据,采用传统方法圈定大量的化探综合异常,取得了较好的效果。但仍然存在一些问题。论文以地球化学数据处理为主,把成分数据的处理方法和稳健统计分析的方法应用于数据处理中,充分挖掘地球化学数据的含量信息、空间信息与内部结构信息,综合地球化学各方面特征、应用层次分析法的思路,统计各网格单元的综合信息,从而圈定找矿靶区,取得了如下的成果:1)根据该区矿床产出的地质背景,结合研究区矿床类型划分,把该区的矿床类型分为以基性岩有关的成矿组合(SEDEX型、VHMS型和沉积变质型),与中酸性岩有关的成矿组合(矽卡岩型、斑岩型和热液脉型)和热液型金矿成矿组合(蚀变岩型和石英脉型)三种组合八种类型。2)提出并应用中值和几何平均值的差与变异常系数图,分析了昆北、昆中、昆南和北巴四个子区较有潜力的成矿元素。指出昆北W、Bi、Pb、Cr、As、Ag等,昆中 Hg、Au、Sb、Mo、Bi、Ag、Sn、W、As 等;昆南 Hg、Sb、Bi、Ni、Au、Cr、Mo、As、Cu、Ag;北巴Hg、Au、Sb、As、W等为该区较有潜力的成矿元素。3)采用两种方法圈定单元素异常,①利用ILR转换后造岩元素的稳健因子分析,进行地球化学分区,对元素含量进行分区标准化,从而圈定各元素异常。②提出利用改进的Aitchison距离方法来圈定单元素异常,从两种方法圈定的效果看,与矿床点的对应关系都较好,但相对而言,Aitchison距离由于考虑了与其它元素的关系,且消除了成分数据的闭合效应,圈定的异常更好。4)利用成矿元素的主成分分析,分别提取了以基性岩成矿、与中酸性岩成矿和与金矿成矿有关的主成分异常。利用主成分分析结果和矿床特征元素,选择Cu、Co、Cr、Ni、V、Zn;Ag、Cd、Pb、Mo、Sn;Au、As、Sb 和 Au、Bi、W四种元素组合,进行稳健马氏距离计算,并圈定马氏距离异常。5)综合分析了 Au、Cu、Co、Pb等元素含量在E、SE、S、SW四个方位的空间变化情况,总体上,元素NS向的空间变化率好于EW向的空间变化率,与区内矿床点的走向一致。对比Au、Cu两元素含量变化等值线图和空间变化率等值线图,认为元素的含量空间变化率等值线图比含量等值线图更具找矿意义。6)综合各类地球化学信息,利用层次分析法的思路,计算各网格单元的成矿信息量,根据信息量,圈定了三类靶区共32处,其中与基性岩成矿有关找矿靶区10处;与酸性岩成矿有关的找矿靶区10处;与热液型金矿有关的找矿靶区12处。在此基础上,圈定10处成矿远景区。在靶区验证中,热液型金矿找矿靶区内发现金、锑矿脉,在与酸性岩成矿有关的找矿靶区内发现了钨的矿化线索。
高原[4](2019)在《闽西南铜多金属矿找矿信息挖掘与成矿预测》文中认为多源找矿信息挖掘与集成在矿产勘查实践中扮演着十分重要的角色,它被认为是确保成矿预测有效性的重要环节,直接影响着成矿预测的效果。因此,如何对地学数据进行深入挖掘与有效集成,以获取能够更好表达成矿潜力的综合信息,一直是成矿预测领域的重要研究内容。近年来,机器学习的前沿算法被引入成矿预测实践,并逐渐成为该领域的研究热点。与传统分析方法相比,机器学习方法对复杂、隐蔽的分布特征以及变量之间的关系拥有更强的刻画与提取能力,且大多数方法对数据的分布模式并不敏感,具有更广泛的适用性。鉴于此,本文以闽西南森林覆盖区为示范研究区,在已收集和整理的多源地学数据基础上,综合运用GIS空间分析、分形与多重分形理论和机器学习等方法开展了多源找矿信息挖掘与成矿预测相关研究,主要研究内容及取得的认识包括:(一)断裂构造解译与控矿作用分析基于1:20万区域航磁数据,运用地球物理场源边界信息增强方法开展了断裂构造解译,并结合DEM数据对区内缺失的断裂信息进行了补充完善。同时,借助GIS空间分析和局部奇异性分析方法定量评估了不同走向断裂构造对已知铜矿床(点)空间分布的控制作用。初步确定了区内广泛发育的NW向和NE向断裂为成矿有利要素,而SN向断裂与已知铜矿床(点)存在空间负相关关系。(二)矿化指示元素选取与综合异常信息提取基于水系沉积物化探数据开展了以下两方面研究:一方面考虑次生作用等因素影响,从地球化学元素空间分布与富集规律和地球化学元素与矿床空间耦合关系两个层面出发,综合运用多重分形谱函数和ROC曲线开展了矿化指示元素选取;另一方面由于研究区覆盖层的影响,异常信息会受到不同程度的屏蔽和衰减,形成弱缓信号而难以被识别和提取。因此,本次将深度自编码网络模型应用于深层次异常信息提取。结果表明,深度自编码网络模型不仅可接受高维地球化学数据进行融合,同时可借助深度网络的多层非线性变换特征有效的获取隐蔽异常信息,所提取的综合异常与已知铜矿床(点)具有很好的空间耦合关系,该方法有助于提升异常识别精度。(三)中酸性隐伏岩体推断由于覆盖与屏蔽作用,覆盖区往往缺少地质直接观察信息,难以获取完整的地学空间数据。因此,本次研究基于区域地球化学常量组分和航磁数据,运用逻辑回归模型开展了中酸性隐伏岩体推断。结果表明,出露的中酸性岩体与推断岩体具有较强的空间相关性,推断结果可为区域成矿预测提供新的中酸性隐伏岩体信息。(四)基于机器学习的多源找矿信息集成针对成矿预测中已知矿床(点)不足且大量无标记样本信息未能得到充分利用的问题,本次将半监督随机森林模型运用于多源找矿信息集成研究,并与传统随机森林模型进行了对比评价。结果表明,半监督随机森林模型在传统模型的基础上融入半监督的思想,可有效的挖掘未标记的样本信息用于辅助训练模型,有助于提升成矿预测精度,该方法可为在已发现矿床(点)较少的地区开展成矿预测提供借鉴。论文的主要贡献:(1)开展了致矿地质异常信息提取。综合应用航磁数据及DEM数据开展了断裂构造解译,共解译深部断裂20条。同时,基于区域地球化学主量元素和航磁数据开展了中酸性隐伏岩体的推断。以上研究可为闽西南植被覆盖区开展成矿预测提供新的深部找矿信息;(2)开展了矿化指示元素选取和深层次异常信息提取。综合运用多重分形谱函数与ROC曲线,筛选出Cu、Au、Ag、Pb、Zn、Fe2O3、W、Sn、Mo、Bi、P、MgO、Cd、Sr共14种矿化指示元素,为研究区铜多金属矿矿化指示元素选取提供了参考。同时,利用深度自编码网络模型提取了隐蔽异常信息,提升了化探异常识别精度和效率;(3)开展了成矿远景区预测。应用半监督的随机森林模型开展了多源找矿信息集成,并圈定A级成矿远景区4个、B级成矿远景区3个、C级成矿远景区2个,为研究区铜多金属矿进一步找矿勘查提供了科学依据。
陈文悦[5](2019)在《基于地质语义模型和机器学习的成矿远景区预测 ——以甘肃西秦岭为例》文中研究说明地质矿产工作经过长期积累形成了数据量巨大的地质资料,数据作为一种资源也受到人们越来越多的关注。如何利用已有的地质矿产数据,合理运用新的技术方法获取矿产资源研究所需信息,是当今重要研究方向。本文主要研究了基于地质文本数据的信息提取及机器学习在成矿远景区预测中的应用。通过构建地质语义模型,实现对文本数据的信息提取,确定研究区矿产概况;基于该矿产概况,结合相应地质数据,通过随机森林算法,实现成矿远景区预测。本研究以甘肃西秦岭区域为例,完成成矿远景区预测,为进一步勘察分析提供了参考依据。主要包括以下几个方面:(1)地质语义模型构建:通过研究分析构建地质矿产基础词典,利用基于长短时记忆和条件随机场算法的LUIS构建了地质语义模型。(2)矿产特征提取:结合地质矿产文本数据及地质语义模型,通过文本数据预处理、分词处理、词频统计等获取相应的文本数据实义词,统计矿种及区域地质特征中控矿要素相关内容,确定矿产概况。(3)成矿远景区预测:根据矿产概况获取相关地质数据,通过随机森林机器学习算法,实现成矿远景区预测。(4)甘肃西秦岭地区成矿远景区预测:以甘肃省西秦岭地区为例,验证方法可行性并实现成矿远景区预测。研究表明,本文构建的地质语义模型能够实现对文本数据的地质矿产信息提取,以提取的概况信息为方向,结合已有地质资料通过随机森林算法可实现成矿远景区预测。通过甘肃省西秦岭地区成矿远景区预测案例应用,证明了本文提出方法的可行性,结果为进一步的矿产分析提供了数据参考。
田立明[6](2017)在《青海东昆仑成矿带区域地球化学数据处理及靶区优选》文中提出青海东昆仑成矿带矿产资源丰富,相继发现了一系列大中型矿床,如德尔尼铜矿、铜峪沟铜矿、赛什塘铜矿、日龙沟锡矿、开荒北、五龙沟等大中型金矿、虎头崖铅锌矿、肯德可克铁钴金多金属矿、四角羊铁铅锌矿、拉宁灶火多金属矿等矿产。特别是近年来,随着乌兰乌珠尔、卡而却卡等斑岩型铜矿、夏日哈木铜镍矿、大场金矿的发现,在该带找矿上取得了大的进展,显示了该带的巨大找矿潜力。论文以青海省东昆仑成矿带金、铜、钴等为主攻矿种,以海相火山岩型铜钴(金)矿、斑岩-矽卡岩型铜多金属矿、造山型金矿等矿床类型为预测对象,以“地质内涵法”和“协优”成矿预测理论为指导,对青海省东昆仑成矿带的区域地球化学数据进行精细处理,通过典型矿床研究总结各成矿类型区域地球化学异常模式,建立各成矿类型成矿类型异常及成矿强度异常表达,通过圈定带有特定地质意义的成矿类型异常图和成矿强度异常图等特征图件,对青海省东昆仑成矿带找矿潜力做出评价,取得以下成果:(1)综合考虑地球化学景观、地质背景、图幅间分析测试差异、表生地球化学特征等因素对区域地球化学数据进行合理的子区划分,利用“成矿有利度”提取异常信息,有效消除高背景场带来的假异常和凸显低背景场中的低缓异常,更加真实的反映元素在区域中的分布特征。(2)通过对东昆仑地区海相火山岩型铜(钴)矿、斑岩-矽卡岩型铜多金属矿、造山型金矿等成矿类型典型矿床的区域地球化学特征进行系统解剖,充分挖掘同一矿床类型成矿元素、成矿指示元素及环境指示元素组合特征,总结出各矿床类型区域地球化学组合规律,利用“协优”成矿预测理论,优选特定的元素组合方式表征特定的成矿类型异常特征,建立青海东昆仑成矿带以上各类型的区域地球化学异常模式。(3)利用特征的元素组合的成矿类型异常图来反映各类型矿床的分布特征,实现了只突出与该类型矿床相关异常,其它类型的矿床则不显示的目的;根据异常元素种类的复杂程度而非异常值的高低作为筛选和评价与成矿强度有关的重要准则,以各种成矿矿强度异常图来识别和评价异常。(4)根据异常识别评价准则和远景区、找矿靶区优选原则,在青海东昆仑成矿带划分了12个找矿远景区,并优选各类找矿靶区141处,其中海相火山岩型找矿靶区38处,斑岩-矽卡岩型找矿靶区44处,造山型金矿找矿靶区59处,为东昆仑下一步找矿工作部署提供了依据。并通过异常查证工作证实了该方法在凸显弱缓矿致异常方面的优势。
杨平[7](2016)在《地学空间变量优选中的多元分析与计算智能组合方法的研究》文中研究指明在数学地质学及数字地质科学领域,地学变量反映了某种地质现象与过程关于时空分布的、物理的、化学的数字特征。地学变量具有时域、空域及属性三大特征,任何地质空间模型均由地学变量及其相互关系提供支撑。矿产资源预测作为数字地质科学应用的重要分支备受关注,由此形成了许多数学地质学方法与技术。地学变量及其模型研究重点集中在线性或非线性数学模型构建及其关系度量方面。地学变量的选择与赋值是数学建模的关键性工作,地学变量的原始素材来源于地质、地球物理、地球化学及遥感观测数据,但一般情况下,原始数据并不等同于地学变量,需对原始素材进行加工、改造、转换,方可成为地学变量,这实际上要求对原始数据进行精细加工与信息转换,并经一定的筛选方法使之成为模型参数。因此,对地学空间变量的优化选择、转换便成为提高矿产资源预测模型的可靠性、有效性的关键工作。综上所述,面对复杂的多元地学数据,本文从矿产资源预测模型稳定性与可靠性角度来探索地学变量的结构、关联、优化和筛选问题,主要工作是对复杂地学变量进行优化与压缩,重点研究了在空间降维范畴内的特征提取与特征选择方法,即将多元统计模型与人工智能、进化智能模型相结合,集成各自方法的优势,最终形成简约化的、精确化的空间特征变量集合,为矿产资源精细化、精准化预测提供重要的变量研究基础。具体的研究内容包括:(1)选择研究区地球化学元素观测数据及其组合异常研究作为工作对象,提取与矿产资源目标直接关联的元素变量,作为矿异常识别的直接性标志,从而确定目标变量。(2)在跨学科原始数据(地质、地球化学、地球物理、遥感等)集合中提出优选原则,构建直接参与矿产预测模型的最优变量集合。论文以吉林省白山地区1/20万比例尺金、多金属矿产资源预测为研究实例,研究成果及创新点包括:(1)主成分分析-因子分析-相关分析-BP神经网络(PCA-FA-CA-BP)混合算法1)以往对地球化学元素组合求异问题,通常使用基于主成分分析(PCA)的线性提取方法。但是在提取各个主成分时,经常会出现主成分中各个分量的载荷系数相差不大的现象,导致主成分的主要分量地质含义不明确从而提取失败。本文对传统的基于PCA模型的提取方法进行了修正,即引入因子分析和相关分析模型,通过因子分析模型变换载荷系数矩阵,对主因子中的重要分量加以识别,并利用相关分析模型分析组合中的变量间相互关系,从而对元素组合异常给予合理解译。基于PCA-FA-CA混合提取方法在白山地区水系沉积物的元素组合异常分析中,共提取出32处元素组合异常,可划分为三个带,I带元素组合以Co-Mn-Ti为主,II带元素组合以As-Au-Sb为主,III带元素组合为Cr-Ni。划分的元素组合异常带地质含义明晰且易于解译。2)传统的地球化学元素组合异常提取方法主要选择水系沉积物中元素的含量作为主要判定指标,忽略了相关的地质、岩石中地球化学元素等重要特征,而最终导致提取的元素组合异常无法直接作为典型的成矿标志。因此,本文在对水系沉积物的地球化学元素应用PCA-FA-CA线性模型求异后,提出了将地球化学组合异常作为主要输入因子,佐之以岩石地球化学元素测量、岩石中微量元素含量、地质构造参数等多元要素特征,而通过多要素特征识别异常的问题不再是单纯的水系沉积物中元素数据的线性提取问题,传统识别模型不再适用。基于以上考虑,本文构建了BP神经网络综合异常识别的非线性模型,依靠分层次网络的自学习与自适应能力,完成了地质多元要素特征到组合异常识别的非线性输入输出映射,最终识别出白山地区异常带内32处组合异常中的23处为具有一定指示意义的异常,与研究区现有矿点之间存在一定的空间相关关系,证明了PCA-FA-CA-BP混合算法的有效性,提高了地球化学元素组合异常识别的准确率。(2)信息量-数量化理论(IQ-QT)混合算法在矿产资源预测模型的地质参数变量的优化选择问题中,传统方法通常采用单一的线性模型,例如回归分析、logistic分析等方法,运算速率较高,但识别率相对较低。为此,本文构建了信息量法-数量化理论(IQ-QT)混合算法,该算法首先基于信息量模型计算各个待选变量对成矿目标的信息量值,依据信息量大小序列进行变量初步筛选;最后根据数量化理论I模型中的减少项目法,通过逐次回归的贡献度,反复引进与剔除变量,最终确定最佳变量组合。在保证同等运算速度的条件下,提高了模型的识别精度。(3)信息量-遗传算法-BP神经网络(IQ-GA-BP)混合算法为进一步提高地质变量优化选择的精度,保证矿产资源定位与定量预测模型的预测准确率,本文扩展性得构建了信息量-遗传算法-BP神经网络算法(IQ-GA-BP),该算法与IQ-QT算法的唯一不同是在地学变量的二次提取过程运用遗传算法非线性优化选择模型,意即从地学变量集合域编码映射到生物基因域,在种群逐代进化中实现最佳变量组合的快速搜索,完成最优变量集合的提取。提取地质变量后,将变量应用在吉林省白山地区的地质单元成矿远景预测模型中,将37个非模型地质单元(预测单元)划分为I级、II级和III级共三类成矿远景区,经过对现有矿化资料显示的数据分析,证明该模型的识别精度更高。
吾克依拉·吾铁朴[8](2016)在《新疆阿尔泰山西段喀纳斯一带金矿成矿潜力分析》文中研究说明新疆北阿尔泰稀有(RM)-Pb-Zn-Au-白云母-宝石成矿带呈NW-SE走向,西延至俄罗斯和哈萨克斯坦,东延为蒙古阿尔泰,是一个独具特色的重要的巨型成矿带之一。喀纳斯Cu-Au矿带位于本带最北端,南以EW向的依来克断裂为界,长约120km,宽约90km,区内分布大面积早古生代早期浅变质复理石建造(喀纳斯群),且被后期奥陶纪、晚志留-早泥盆世中酸性侵入岩侵入,区域热液变质作用明显,局部形成各类片麻岩、结晶片岩建造。阿尔泰成矿带是我国重要的矿带之一,其南部陆续发现阿舍勒铜矿、多那拉萨依金矿等,显示了较好的成矿潜力,但是其北部由于地质工作程度有限,尚未发现成型的金、铜等矿产地。随着近年来地质勘查工作的推进,多地显示出较好的金矿化线索,如加依散地区。因此急需采用现代化的成矿潜力评价方法,系统地对北阿尔泰,尤其是喀纳斯矿带的金矿成矿潜力进行评价,以期为矿产勘查部署工作奠定基础。本文以喀纳斯-禾木一带为研究区,在1:5万区域地质矿产调查项目的基础上,以多拉纳萨依金矿床为典型矿床,从区域成矿地质背景和以查明的4个破碎蚀变岩型金矿(点)入手,充分挖掘矿化线索,并且与区域典型矿床(多拉纳萨依金矿)进行对比分析,结合野外实际验证,系统分析研究区成矿要素,建立区域成矿模型与有利预测区提取模型,基于ArcGIS平台,建立研究区的多元地学空间数据库,由于阿尔泰山西段喀纳斯-禾木一带地质矿产研究程度较低,不具备完全数据驱动模型的应用条件,但是因其发育较好的1:20万、1:5万化探异常,具有较好成矿潜力,因此我们选择基于ArcGIS空间分析平台的单要素分析和双要素组合分析等方法,且要将区域成矿模型整合到预测模型中,通过预测模型对成矿有利信息进行了快速、准确提取和处理。最后结合区域化探资料进行了验证,将研究区划分为2个预测远景区(其中1个Ⅱ类远景区和1个Ⅲ类远景区),结合研究区主要矿(化)点对各成矿预测远景区的成矿地质条件(或现有资料)进行了探讨,分析了该地区的成矿潜力。为调查区内进一步金矿勘探提供理论依据、技术支持及数据支撑,以服务于调查区金矿勘查部署工作。
崔宁[9](2016)在《青海东昆仑大灶火区域镍矿定量预测与评价》文中进行了进一步梳理夏日哈木矿区地处柴达木盆地南缘大灶火区域内,位于全国19个重点成矿区带之一的东昆仑成矿带西段。夏日哈木铜镍矿于2011年发现,是青海东昆仑地区发现的首例岩浆熔离型铜镍硫化物矿床。本研究以布伦台-大灶火地区结合夏日哈木典型矿床所在位置,划分研究区范围。结合经典成矿理论,对区域矿产时空分布及成矿特征、夏日哈木典型矿床的镍矿成矿特征进行分析,总结夏日哈木式与基性超基性岩有关的铜镍硫化物型矿床成矿系列,从而构建区域镍矿找矿模型。基于找矿模型,对区域成矿地质特征进行分析,并提取成矿有利信息,基于物(地球物理)、化(地球化学)、遥(遥感)资料数据,分析区域致矿要素(矿化特征),并提取找矿有利信息。最后,基于找矿模型及提取的信息变量构建区域镍矿定量预测模型,圈定找矿远景区,并对其进行评价。本研究取得的主要成果和创新点有:(1)以找矿理论为指导,构建基于成矿系列的区域镍矿找矿模型通过对东昆仑大灶火区域的成矿地质特质及夏日哈木典型矿床的成矿特征分析研究,总结了夏日哈木式与基性超基性岩有关的铜镍硫化物型矿床成矿系列,从而构建了区域镍矿找矿模型,为下一步利用地、物、化、遥数据资料分析区域的成矿特征,提取成矿有利信息提供基础。(2)基于背景场的化探异常分离化探异常主要指的是天然物质中所含化学元素的异常表现,是找矿最直接的标志。对于不同的背景场,化探异常应有所不同。本研究通过区域构造背景对区域的化探背景场进行分离,然后在不同的背景场上分析其化探异常,可以更为有效和客观的反映不同的背景场内的化探异常。(3)区域镍矿定量预测评价基于区域镍矿的找矿模型及通过成矿特征和矿化特征分析提取的地、物、化、遥找矿变量信息,构建区域镍矿的预测模型,并在该模型指导下采用综合信息叠加法对大灶火地区镍矿进行预测,圈定找矿远景区共11个,并对圈定的远景区进行评价,将其划分为A类找矿远景区1个,C类找矿远景区10个。
李逸川[10](2015)在《东天山覆盖区铜矿化信息提取及其控矿要素的空间非稳定性研究》文中指出东天山地区位于哈萨克斯坦与准噶尔板块的结合部位,北部为准噶尔板块,南部为塔里木板块。其矿产资源十分丰富,是重要的石油、煤、铀、铁、铜、镍、金等成矿远景区和矿业基地。然而由于特殊的自然地理条件使该区地表由戈壁沙漠等覆盖造成了与找矿相关的信息弱化。以成秋明为代表的一些学者将数学地质方法中的非线性理论引入到矿产资源勘查中,为解决上述问题提供了有效直接的解决方案。本文在全面系统收集研究区地质、遥感、地球化学等资料基础上,综合利用奇异性指数、主成分分析、加权主成分分析及地理加权回归等数学分析手段,对东天山东段(赤湖-三岔口地区)覆盖区铜矿化及其控矿要素进行信息提取,并对其空间非稳定性进行研究,为该区矿产资源勘查提供科学依据。本文首先对研究所涉及的数学模型基本原理和计算过程进行详细的总结。通过对本区地质背景和矿床种类及成因的全面分析,提出控制本区铜矿化形成的四个控矿要素:铜元素弱异常、地质构造、基性-超基性岩、蚀变作用。通过对个控矿要素地球化学元素特征的研究,利用主成分分析得出能够表达四个控矿要素的地球化学元素异常组合。利用Aster数据的可见-近红外及短波红外波段对研究区的常见矿物蚀变异常进行提取,利用Aster数据的热红外对研究区的基性-超基性岩信息进行了提取,结合地化的分析结果,完善了对控矿要素的异常信息提取,并未后面远景区的圈选提供重要参考信息。本文分别通过全局性回归分析模型和局部性回归分析模型对本区铜矿化和控矿要素之间进行数学建模。结果显示,地理加权回归分析较全局性回归分析模型具有更高的精度和稳定性。由地理加权回归计算出各个控矿要素的相关系数,揭示了各控矿要素对于本区铜矿化的贡献率随空间位置的变化而变化的特征规律,即空间非稳定性。最后,本文根据该区成矿规律定义适用于本区铜镍硫化物矿床的权重因子,分别利用主成分分析和加权主成分分析对本区铜矿化有利区进行分析,基于加权主成分分析结果提出五个远景区。
二、ART神经网络模型在柴北缘—东昆仑造山型金矿预测中的应用(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、ART神经网络模型在柴北缘—东昆仑造山型金矿预测中的应用(论文提纲范文)
(1)深部地质地球化学三维定量矿产预测方法研究 ——以西秦岭早子沟金矿为例(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 选题背景与研究意义 |
1.2 国内外相关研究现状 |
1.2.1 定量矿产预测理论概述 |
1.2.2 地球化学信息提取方法研究现状 |
1.2.3 三维地质建模方法研究现状 |
1.2.4 三维定量矿产预测方法研究现状 |
小结 |
1.3 存在的主要问题 |
1.4 研究内容与技术路线 |
1.4.1 研究内容 |
1.4.2 技术路线 |
1.5 创新点 |
第2章 研究区地质背景与矿床特征 |
2.1 大地构造背景 |
2.1.1 大地构造位置 |
2.1.2 大地构造演化 |
2.2 区域地质背景 |
2.2.1 区域地层 |
2.2.2 区域岩浆岩 |
2.2.3 区域构造 |
2.2.4 区域变质作用 |
2.2.5 区域矿产 |
2.3 矿区地质特征 |
2.3.1 矿区地层 |
2.3.2 矿区构造 |
2.3.3 矿区岩浆岩 |
2.4 矿床地质 |
2.4.1 矿体 |
2.4.2 矿化特征 |
2.4.3 矿床蚀变带特征 |
2.4.4 成矿期次 |
2.5 小结 |
第3章 理论方法 |
3.1 含量-体积(C-V)多重分形模型 |
3.2 成分数据分析方法 |
3.2.1 成分数据理论基础 |
3.2.2 连续二值分解技术 |
3.2.3 地球化学成分数据分析框架 |
3.3 空间插值算法研究 |
3.3.1 区域化变量 |
3.3.2 三维变异函数分析 |
3.3.3 三维克里金插值 |
3.4 基于机器学习的定量矿产预测方法 |
3.4.1 最大熵模型 |
3.4.2 高斯混合模型 |
3.4.3 卷积神经网络 |
第4章 三维地质地球化学建模与原生晕数据分析 |
4.1 三维建模数据库构建 |
4.2 三维地质建模 |
4.2.1 三维地形模型 |
4.2.2 三维矿体模型 |
4.2.3 三维构造模型 |
4.2.4 三维岩体模型 |
4.3 三维原生晕数据体模型构建与数据分析 |
4.3.1 描述性统计分析 |
4.3.2 三维原生晕数据体建模 |
4.3.3 基于多重分形C-V模型的三维原生晕异常数据体建模 |
4.3.4 基于数据驱动的成分数据分析及其元素组合特征提取 |
4.4 小结 |
第5章 原生晕分带模式研究与三维原生晕模型构建 |
5.1 剖面原生晕模型构建与深部预测 |
5.1.1 剖面原生晕地球化学元素异常分布特征 |
5.1.2 剖面原生晕地球化学元素分带特征 |
5.1.3 剖面原生晕地球化学参数特征 |
5.1.4 剖面原生晕地球化学模型及成矿预测 |
5.2 三维原生晕模型构建与预测 |
5.2.1 基于隐式建模的三维原生晕地球化学元素空间分布规律研究 |
5.2.2 基于知识驱动的原生晕地球化学元素在组合提取 |
5.2.3 三维原生晕模型与深部预测 |
5.3 小结 |
第6章 深部定量矿产预测 |
6.1 成矿条件分析与深部地质地球化学找矿模型构建 |
6.1.1 成矿条件分析与早子沟成矿模型 |
6.1.2 早子沟金矿深部地质地球化学找矿模型 |
6.2 基于机器学习和深度学习的深部定量矿产预测 |
6.2.1 训练样本构建 |
6.2.2 ROC曲线 |
6.2.3 最大熵预测结果与不确定性评价 |
6.2.4 高斯混合模型预测结果与不确定性评价 |
6.2.5 卷积神经网络预测结果与不确定性评价 |
6.3 对比分析靶位圈定 |
结论 |
致谢 |
参考文献 |
攻读学位期间取得学术成果 |
(2)基于多源数据协同的集宁浅覆盖区玄武岩提取方法研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 选题背景与研究意义 |
1.2 国内外研究现状 |
1.2.1 岩性识别常用数据源 |
1.2.2 遥感岩性识别技术 |
1.2.3 物化探岩性识别技术 |
1.2.4 多源图像数协同方法 |
1.2.5 存在问题 |
1.3 研究内容及技术路线 |
1.3.1 研究内容 |
1.3.2 技术路线 |
1.3.3 创新点 |
1.4 论文组织结构 |
2 研究区概况和数据 |
2.1 内蒙古集宁区域概况 |
2.1.1 自然地理条件 |
2.1.2 区域地质概况 |
2.2 实验数据介绍及预处理 |
2.2.1 遥感和化探实验数据 |
2.2.2 遥感数据预处理 |
2.2.3 化探数据预处理 |
3 遥感岩性识别方法 |
3.1 主成分分析信息增强 |
3.2 机器学习方法 |
3.2.1 最大似然分类 |
3.2.2 人工神经网络 |
3.2.3 随机森林分类 |
3.2.4 支持向量机 |
4 基于遥感技术的岩性分类 |
4.1 基于遥感影像的岩性目视解译 |
4.2 遥感岩性信息增强 |
4.3 基于机器学习的岩性提取 |
4.3.1 数据准备 |
4.3.2 遥感数据岩性分类结果 |
5 化探和遥感数据协同识别玄武岩 |
5.1 覆盖区多源数据协同方法 |
5.2 覆盖区玄武岩的地球化学特征 |
5.3 地化元素组合识别玄武岩 |
5.4 基于SVM的多源数据协同识别玄武岩 |
5.5 野外验证及误差分析 |
6 结论与展望 |
6.1 结论 |
6.2 不足和展望 |
致谢 |
参考文献 |
附录 (作者简介) |
(3)青海东昆仑成矿带东段地球化学数据处理方法及找矿靶区圈定(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 选题背景及意义 |
1.1.1 选题背景 |
1.1.2 选题意义 |
1.2 研究区范围及交通地理概况 |
1.3 勘查地球化学的研究现状 |
1.4 化探信息提取 |
1.4.1 背景和异常的概念 |
1.4.2 背景和异常确定方法的分类 |
1.4.3 异常下限的确定 |
1.5 化探数据处理的两个进展 |
1.5.1 稳健分析 |
1.5.2 成分数据 |
1.6 东昆仑成矿带东段地球化学研究进展及存在问题 |
1.6.1 地球化学研究进展 |
1.6.2 存在问题 |
1.7 科学问题、研究思路、研究内容及完成工作量 |
1.7.1 科学问题 |
1.7.2 研究思路 |
1.7.3 研究内容 |
1.7.4 完成的主要工作量 |
1.8 两点说明 |
第二章 区域成矿地质背景 |
2.1 区域地质 |
2.1.1 区域大地构造背景 |
2.1.2 区域地层 |
2.1.3 研究区主要构造及构造单元划分 |
2.1.4 岩浆岩 |
2.2 区域地球物理特征 |
2.2.1 区域重力场特征 |
2.2.2 区域磁场特征 |
2.3 区域矿产特征及成矿区带划分 |
2.3.1 区域矿产特征 |
2.3.2 成矿区带划分及各带成矿规律 |
2.4 小结 |
第三章 区域地球化学特征 |
3.1 区域地球化学总体特征 |
3.1.1 元素分布特征 |
3.1.2 元素富集离散特征 |
3.1.3 元素的共生组合特征 |
3.2 元素的时空分布规律 |
3.2.1 元素的时间分布规律 |
3.2.2 元素的空间分布规律 |
3.3 元素在各地质子区中的具体特征 |
3.3.1 昆北子区元素特征 |
3.3.2 昆中子区元素特征 |
3.3.3 昆南子区元素特征 |
3.3.4 北巴子区元素特征 |
3.4 小结 |
第四章 数据处理及异常识别 |
4.1 数据处理和异常识别的原则及影响因素 |
4.1.1 影响区域地球化学背景的因素 |
4.2 单元素数据处理及异常圈定 |
4.2.1 ILR变换后数据因子分区标准化方法 |
4.2.2 Aitchison距离圈定地球化学异常的方法 |
4.3 多元异常圈定 |
4.3.1 主成分分析法 |
4.3.2 马氏距离法 |
4.4 元素含量的空间变化率 |
4.4.1 具体做法 |
4.4.2 主要成矿元素的空间变化率 |
4.5 小结 |
第五章 基于地球化学数据的靶区圈定 |
5.1 思路 |
5.2. 具体做法 |
5.2.1 选择地球化学参数 |
5.2.2 确定各地球化学参数的权重系数 |
5.2.3 各地球化学参数赋值及单元格划分 |
5.3 3种类型的找矿信息量及靶区圈定 |
5.3.1 与基性岩成矿有关的找矿靶区 |
5.3.2 与中酸性岩成矿有关的找矿靶区 |
5.3.3 与热液型金矿有关的找矿靶区 |
5.4 典型成矿远景区评述 |
5.4.1 小干沟-西藏大沟成矿远景区(Y_1) |
5.4.2 五龙沟一带成矿远景区(Y_3) |
5.4.3 诺木洪郭勒一波洛斯太一带成矿远景区(Y_5) |
5.4.4 大厂一扎陵湖一带成矿远景区(Y_7) |
5.4.5 东山根一沟里一带成矿远景区(Y_8) |
5.4.6 孟可特一冬给措纳湖一带成矿远景区(Y_(10)) |
5.4.7 Y_1、Y_5、Y_7、Y_8四个远景区内金矿的找矿潜力分析 |
5.5 远景区找矿发现 |
5.6 小结 |
第六章 结束语 |
6.1 主要结论及创新点 |
6.1.1 主要结论 |
6.1.2 创新点 |
6.2 存在问题 |
致谢 |
参考文献 |
附录 |
(4)闽西南铜多金属矿找矿信息挖掘与成矿预测(论文提纲范文)
作者简介 |
摘要 |
abstract |
第一章 绪论 |
1.1 选题背景 |
1.2 研究意义 |
1.3 研究现状及存在的问题 |
1.3.1 区域矿产预测理论研究现状 |
1.3.2 区域矿产定量预测研究进展及发展趋势 |
1.3.3 机器学习在矿产定量预测中的应用现状 |
1.3.4 存在的主要问题 |
1.4 主要研究内容 |
第二章 闽西南区域地质及典型矿床 |
2.1 闽西南区域地质背景 |
2.1.1 区域地层特征 |
2.1.2 区域侵入岩特征 |
2.1.3 区域构造特征 |
2.1.4 区域矿产 |
2.2 区域大地构造及成矿演化规律 |
2.2.1 区域大地构造演化 |
2.2.2 区域成矿时空演化规律 |
2.3 典型矿床与成矿要素 |
2.3.1 矿区地质特征 |
2.3.2 主要矿床类型及成矿要素 |
2.3.3 成矿预测要素选取 |
2.4 研究区数据介绍 |
第三章 断裂构造解译与控矿作用分析 |
3.1 区域航磁数据处理与断裂构造解译 |
3.1.1 航磁数据处理方法 |
3.1.2 区域航磁数据处理与断裂构造解译 |
3.1.3 基于DEM影像的断裂构造补充解译 |
3.2 矿床(点)与断裂构造空间关系分析 |
3.2.1 断裂走向与矿床(点)空间分布趋势分析 |
3.2.2 断裂对矿床(点)影响范围分析 |
3.2.3 断裂构造对矿床(点)控制作用分析 |
第四章 矿化指示元素选取与综合异常信息提取 |
4.1 地球化学数据预处理 |
4.1.1 数据检查 |
4.1.2 数据变换 |
4.2 矿化指示元素选取 |
4.2.1 多重分形谱函数 |
4.2.2 ROC曲线分析 |
4.2.3 矿化指示元素综合选取 |
4.3 地球化学综合异常信息提取 |
4.3.1 基于深度自编码网络的综合异常信息提取 |
4.3.2 综合异常信息提取结果评价 |
第五章 研究区中酸性隐伏岩体推断 |
5.1 数据预处理 |
5.2 基于逻辑回归模型的中酸性岩体推断 |
5.2.1 逻辑回归模型 |
5.2.2 基于逻辑回归模型的中酸性岩体推断 |
5.3 中酸性岩体推断结果评价 |
第六章 基于机器学习的多源找矿信息集成 |
6.1 闽西南铜多金属矿找矿概念模型 |
6.2 基于监督学习的多源找矿信息集成 |
6.2.1 训练样本构建 |
6.2.2 随机森林模型 |
6.2.3 基于随机森林模型的多源信息集成 |
6.2.4 多源找矿信息集成结果评价 |
6.3 基于半监督学习的多源找矿信息集成 |
6.3.1 半监督随机森林模型 |
6.3.2 基于半监督随机森林模型的多源找矿信息集成 |
6.3.3 多源信息集成结果对比评价 |
6.4 成矿远景区圈定 |
第七章 主要认识与创新点 |
7.1 取得的主要认识 |
7.2 主要创新点 |
7.3 主要贡献 |
7.4 存在的不足与展望 |
致谢 |
参考文献 |
(5)基于地质语义模型和机器学习的成矿远景区预测 ——以甘肃西秦岭为例(论文提纲范文)
摘要 |
abstract |
第1章 引言 |
1.1 研究背景 |
1.2 国内外研究进展 |
1.2.1 语义及其地质领域的应用 |
1.2.2 机器学习及其地质领域的应用 |
1.3 存在问题 |
1.4 研究目的与研究意义 |
1.4.1 研究目的 |
1.4.2 研究意义 |
1.5 研究内容与技术路线 |
1.5.1 研究内容 |
1.5.2 技术路线 |
第2章 地质语义模型构建 |
2.1 语义模型构建技术原理 |
2.1.1 长短时记忆(LSTM) |
2.1.2 条件随机场(CRF) |
2.1.3 词向量 |
2.2 地质矿产语义词典构建 |
2.2.1 关键矿种 |
2.2.2 控矿因素 |
2.3 基于LUIS的地质语义模型构建 |
2.3.1 实体定义 |
2.3.2 模型训练 |
2.3.3 模型验证 |
2.4 本章小结 |
第3章 特征提取及成矿远景区预测 |
3.1 文本挖掘技术 |
3.1.1 文本信息抽取技术 |
3.1.2 中文分词 |
3.2 区域地质特征提取 |
3.2.1 文本数据获取及预处理 |
3.2.2 分词处理 |
3.2.3 词频统计 |
3.3 成矿远景区预测 |
3.3.1 随机森林算法 |
3.3.2 ArcGIS Pro |
3.3.3 成矿远景区预测 |
3.4 本章小结 |
第4章 甘肃西秦岭成矿远景区预测 |
4.1 研究区概况 |
4.1.1 甘肃省矿产资源概况 |
4.1.2 西秦岭地质概况 |
4.2 数据获取及预处理 |
4.3 区域地质特征信息提取 |
4.3.1 西秦岭金矿分布特征及控矿因素分析 |
4.3.2 西秦岭地区数据可视化 |
4.4 成矿远景区预测 |
4.5 结果验证 |
4.6 本章小结 |
第5章 结论与展望 |
5.1 研究结论 |
5.2 展望 |
致谢 |
参考文献 |
附录 |
(6)青海东昆仑成矿带区域地球化学数据处理及靶区优选(论文提纲范文)
作者简历 |
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 选题背景及意义 |
1.1.1 选题背景 |
1.1.2 选题意义 |
1.2 范围及交通地理概况 |
1.2.1 研究区范围 |
1.2.2 交通地理概况 |
1.3 国内外研究现状 |
1.3.1 化探信息提取 |
1.3.2 地球化学异常评价 |
1.3.3 发展趋势及存在问题 |
1.3.4 青海省东昆仑区域化探工作现状 |
1.4 研究思路、研究内容及技术路线 |
1.4.1 研究思路 |
1.4.2 研究内容 |
1.4.3 技术路线 |
1.5 完成主要工作量 |
第二章 区域地质矿产、物探、遥感特征 |
2.1 区域地质矿产概况 |
2.1.1 大地构造分区 |
2.1.2 地层 |
2.1.3 构造 |
2.1.4 岩浆岩 |
2.1.5 区域矿产特征及成矿区带划分 |
2.2 区域遥感特征 |
2.3 区域地球物理特征 |
2.3.1 航磁(△Ta)异常特征 |
2.3.2 布格重力异常特征 |
第三章 区域地球化学特征 |
3.1 地球化学景观特征 |
3.1.1 地球化学景观单元划分 |
3.1.2 景观特征 |
3.2 区域地球化学元素总体特征 |
3.2.1 背景特征 |
3.2.2 元素离散特征 |
3.2.3 元素共生组合特征 |
3.3 各构造单元地球化学特征 |
3.4 各地质单元区域地球化学参数特征 |
3.4.1 地层地球化学参数特征 |
3.4.2 岩浆岩地球化学参数特征 |
第四章 区域地球化学数据处理及评价原则 |
4.1 地球化学数据处理思路 |
4.2 影响区域地球化学背景值的因素 |
4.3 元素地球化学子区划分 |
4.4 子区异常下限确定 |
第五章 典型成矿类型地球化学异常模式 |
5.1 海相火山岩型铜(钴)矿床区域地球化学异常模式 |
5.1.1 德尔尼 |
5.1.2 督冷沟 |
5.1.3 驼路沟 |
5.1.4 区域地球化学异常模式 |
5.2 斑岩-矽卡岩型铜多金属矿区域地球化学异常模式 |
5.2.1 乌兰乌珠尔 |
5.2.2 卡尔却卡 |
5.2.3 虎头崖 |
5.2.4 肯德可克 |
5.2.5 区域地球化学异常模式 |
5.3 造山型金矿区域地球化学异常模式 |
5.3.1 大场 |
5.3.2 开荒北 |
5.3.3 五龙沟 |
5.3.4 瓦勒根 |
5.3.5 区域地球化学异常模式 |
第六章 地球化学数据处理方法-“地质内涵法”的探索及应用 |
6.1 地质内涵法的定义及原理 |
6.1.1 地球化学数据处理面临的问题 |
6.1.2 地质内涵法的定义及原理 |
6.2 子区矿集系数 |
6.2.1 子区矿集系数计算 |
6.2.2 元素矿集系数异常圈定 |
6.3 成矿类型地球化学异常图 |
6.3.1 海相火山岩型铜(钴)矿成矿类型异常图 |
6.3.2 斑岩型-矽卡岩型铜多金属矿成矿类型异常图 |
6.3.3 造山型金矿成矿类型异常图 |
6.4 成矿强度异常图 |
6.4.1 与海相火山岩型相关的成矿强度异常图 |
6.4.2 与斑岩-矽卡岩成矿相关的成矿强度异常图 |
6.4.3 与所有造矿元素有关的成矿强度异常图 |
6.4.4 与所有元素有关的成矿强度异常图 |
第七章 区域找矿前景分析及靶区优选 |
7.1 找矿远景区、靶区划分原则 |
7.1.1 找矿远景区划分及分级原则 |
7.1.2 找矿靶区圈定分级原则 |
7.2 找矿远景区划分 |
7.2.1 找矿远景区划分 |
7.2.2 找矿远景区特征及前景分析 |
7.3 找矿靶区优选 |
7.3.1 找矿靶区圈定 |
7.3.2 典型找矿靶区评价 |
7.4 找矿工作部署建议 |
7.4.1 已发现矿床(点)的靶区 |
7.4.2 尚未发现矿床(点)的靶区 |
7.5 异常检查 |
第八章 结束语 |
8.1 主要结论 |
8.2 存在问题及建议 |
致谢 |
参考文献 |
(7)地学空间变量优选中的多元分析与计算智能组合方法的研究(论文提纲范文)
中文摘要 |
Abstract |
第1章 绪论 |
1.1 选题背景 |
1.2 研究现状与分析 |
1.3 研究成果及创新点 |
1.4 论文的构成 |
第2章 地学数据挖掘中变量和数据研究的基本理论 |
2.1 地学变量的概念及分类 |
2.2 地学数据的概念、分类及特点 |
2.3 地学变量的选择原则 |
2.4 地学变量间相关关系的数学研究 |
2.4.1 简单相关系数(线性相关分析) |
2.4.2 偏相关系数(偏相关分析) |
2.4.3 信息量计算法 |
2.4.4 列联表分析与卡方检验 |
第3章 地学空间变量降维方法的理论基础 |
3.1 维灾难与空间变量降维的概念 |
3.2 空间变量降维(特征提取与选择)的模式 |
3.3 空间变量降维方法的模型研究 |
3.3.1 主成分分析模型(PCA) |
3.3.2 因子分析(FA)模型 |
3.3.3 数量化理论(QT)模型 |
3.3.4 遗传算法(GA)模型 |
3.3.5 BP神经网络模型 |
3.4 小结 |
第4章 研究区地质、地球物理及地球化学特征 |
4.1 区域地质特征 |
4.1.1 地层 |
4.1.2 构造 |
4.1.3 侵入岩 |
4.2 区域地球物理特征 |
4.3 区域地球化学特征 |
4.3.1 元素地球化学参数特征 |
4.3.2 元素地球化学场特征 |
第5章 基于PCA-BP算法的地球化学元素异常确定 |
5.1 区域地球化学元素异常确定与筛选的现状 |
5.2 区域地球化学元素异常确定与筛选存在问题分析 |
5.3 区域地球化学元素异常确定与筛选的新思路 |
5.4 PCA-BP算法的特征概述 |
5.5 应用PCA-BP算法的主要步骤 |
5.6 实例应用与分析 |
5.6.1 实例概述 |
5.6.2 数据采集与处理 |
5.6.3 基于PCA-FA-CA模型的元素组合异常确定 |
5.6.4 元素组合异常的计算与分布 |
5.6.5 基于BP神经网络模型的元素组合异常综合识别 |
5.7 小结 |
第6章 基于IQ-QT与IQ-GA-BP混合算法的模型参数变量的优化提取 |
6.1 参数变量优化提取的地学意义 |
6.2 参数变量优化提取工作现状 |
6.3 参数变量优化提取的新思路 |
6.4 IQ-QT混合算法的特征概述 |
6.5 IQ-GA-BP混合算法的特征概述 |
6.6 地质参数变量优化选择的步骤 |
6.6.1 IQ-QT算法 |
6.6.2 IQ-GA-BP算法 |
6.7 实例应用与分析 |
6.7.1 实例概述 |
6.7.2 数据采集与处理 |
6.7.3 成矿标志到地质变量的数字转换 |
6.7.4 基于IQ-QT算法的特征提取 |
6.7.5 基于IQ-GA-BP算法的特征提取 |
6.7.6 变量优选结果的应用 |
6.8 小结 |
第7章 结论 |
参考文献 |
作者简介及在学期间所取得的科研成果 |
致谢 |
(8)新疆阿尔泰山西段喀纳斯一带金矿成矿潜力分析(论文提纲范文)
摘要 |
Abstract |
第一章 序言 |
1.1 选题背景及研究意义 |
1.2 调查区范围及自然地理概况 |
1.3 研究现状 |
1.3.1 国内外研究现状及进展 |
1.3.2 研究区以往工作程度 |
1.4 研究内容和技术路线 |
1.5 完成工作量 |
第二章 区域地质背景 |
2.1 大地构造位置 |
2.2 地质概述 |
2.2.1 地层 |
2.2.2 侵入岩 |
2.2.3 变质岩 |
2.2.4 构造 |
2.3 地球物理场特征 |
2.3.1 区域重力特征 |
2.3.2 区域航磁特征 |
2.4 地球化学场特征 |
2.4.1 区域化探 |
2.4.2 化探异常特征 |
2.5 遥感影像特征 |
第三章 区域典型矿床分布特征 |
3.1 区域矿产概况 |
3.1.1 成矿带空间展布特征 |
3.1.2 调查区主要矿床、矿(化)点特征 |
3.2 邻区典型矿床分析 |
3.2.1 典型矿床选取及其特征 |
3.2.2 典型矿床成矿要素特征 |
第四章 资源潜力评价方法--基于ArcGIS平台 |
4.1 基础数据 |
4.2 多元地学数据库的建立 |
4.3 资源潜力定量预测方法 |
第五章 预测区成矿潜力评价 |
5.1 成矿预测区的提取 |
5.1.1 建模与信息提取 |
5.1.2 综合信息地质单元法提取成矿有利地区 |
5.1.3 预测远景区的圈定 |
5.2 成矿远景区优选和级别划分 |
5.3 预测远景区成矿潜力分析 |
第六章 结果与讨论 |
6.1 主要成果和认识 |
6.2 存在问题 |
参考文献 |
攻读硕士期间发表的学术论文 |
致谢 |
(9)青海东昆仑大灶火区域镍矿定量预测与评价(论文提纲范文)
中文摘要 |
Abstract |
1 引言 |
1.1 选题背景与选题依据 |
1.2 项目依托与研究意义 |
1.3 研究现状与问题 |
1.3.1 区域地质矿产调查及研究进展 |
1.3.2 矿产资源预测方法研究现状 |
1.3.3 铜镍硫化物型矿床的研究现状 |
1.3.4 存在的问题 |
1.4 研究内容与技术路线 |
1.4.1 主要研究内容 |
1.4.2 研究技术路线 |
1.5 实物工作量和主要创新点 |
2 区域成矿地质特征与找矿模型 |
2.1 区域构造 |
2.1.1 大地构造单元划分 |
2.1.2 区域构造特征 |
2.2 区域地层 |
2.2.1 古元古代 |
2.2.2 早古生代 |
2.2.3 晚古生代 |
2.2.4 中生代 |
2.2.5 新生代 |
2.2.6 第四纪地层 |
2.3 岩浆作用 |
2.3.1 侵入岩 |
2.3.2 火山岩 |
2.4 区域矿产时空分布特征 |
2.5 区域控矿因素分析 |
2.5.1 地层与成矿 |
2.5.2 构造与成矿 |
2.5.3 岩浆作用与成矿 |
2.6 夏日哈木典型矿床概述 |
2.6.1 矿体特征 |
2.6.2 矿石特征 |
2.7 区域镍矿成矿系列及找矿模型 |
2.7.1 区域镍矿成矿系列 |
2.7.2 基于成矿系列的找矿模型 |
2.8 本章小结 |
3 区域成矿地质条件及有利信息提取 |
3.1 区域地质成矿特征分析 |
3.2 地质成矿有利信息提取 |
3.2.1 地层条件 |
3.2.2 构造条件 |
3.2.3 岩体条件 |
3.3 本章小结 |
4 区域地球物理特征及有利信息提取 |
4.1 分析方法 |
4.1.1 分析原则 |
4.1.2 数据处理方法及原理 |
4.2 重力数据处理及特征分析 |
4.2.1 研究区重力异常特征 |
4.2.2 重力推断地质构造 |
4.3 航磁数据处理及特征分析 |
4.3.1 研究区磁异常特征 |
4.3.2 航磁推断地质构造 |
4.4 基于地球物理的成矿有利信息提取 |
4.4.1 基于重力的成矿有利信息提取 |
4.4.2 基于航磁的成矿有利信息提取 |
4.4.3 基于重磁的岩体分布信息提取 |
4.4.4 基于重磁的线性构造信息提取 |
4.5 本章小结 |
5 区域地球化学特征及有利信息提取 |
5.1 分析方法 |
5.1.1 化探数据背景场及异常场分析方法 |
5.1.2 元素共生组合规律分析方法 |
5.2 研究区地球化学特征 |
5.2.1 化探元素统计特征 |
5.2.2 元素相关性分析 |
5.2.3 研究区地球化学异常特征分析 |
5.3 地球化探综合地质分析 |
5.4 基于地球化学的成矿有利信息提取 |
5.4.1 主成矿元素组合异常 |
5.4.2 相关元素异常高值分布信息提取 |
5.5 本章小结 |
6 区域遥感特征及有利信息提取 |
6.1 分析方法 |
6.1.1 构造信息提取 |
6.1.2 蚀变异常提取 |
6.2 遥感数据处理及特征分析 |
6.2.1 线环构造信息提取及解译 |
6.2.2 蚀变异常提取 |
6.3 基于遥感的成矿有利信息提取 |
6.3.1 遥感推断线环构造 |
6.3.2 遥感推断岩体 |
6.4 遥感与重磁推断岩体分布综合分析 |
6.5 本章小结 |
7 区域镍矿定量预测与评价 |
7.1 预测模型建立 |
7.2 找矿远景区圈定及优选 |
7.2.1 找矿远景区的圈定 |
7.2.2 找矿远景区的优选 |
7.3 镍矿资源量预测评价 |
7.3.1 面金属量法的原理 |
7.3.2 镍矿资源量估算 |
7.4 不确定性评价 |
7.4.1 不确定评价方法原理 |
7.4.2 不确定性评价应用 |
7.5 本章小结 |
8 结论 |
致谢 |
参考文献 |
附录 |
(10)东天山覆盖区铜矿化信息提取及其控矿要素的空间非稳定性研究(论文提纲范文)
中文摘要 |
abstract |
1 引言 |
1.1 选题依据及研究意义 |
1.2 研究现状 |
1.2.1 东天山研究现状及工作基础 |
1.2.2 成矿奇异性理论及找矿预测 |
1.2.3 遥感数据预处理及矿物信息提取 |
1.2.4 PCA及 SWPCA研究现状 |
1.2.5 GWR模型及空间非稳定性研究 |
1.3 研究内容及技术路线 |
1.3.1 研究内容及思路 |
1.3.2 技术路线 |
1.3.3 创新点 |
1.4 主要工作量 |
2 区域地质概况 |
2.1 自然地理概况 |
2.2 大地构造背景 |
2.3 地层构成 |
2.4 主要构造断裂特征 |
2.5 岩浆及变质作用 |
2.6 矿产资源 |
2.7 构造演化 |
3 研究方法 |
3.1 数据来源及特征 |
3.1.1 地球化学数据来源及特征 |
3.1.2 遥感数据来源及特征 |
3.2 奇异指数填图技术 |
3.3 遥感影像数据预处理及信息提取技术 |
3.3.1 可见-近红外及短波红外数据预处理 |
3.3.2 热红外数据预处理 |
3.3.3 多光谱信息提取技术 |
3.4 PCA及 SWPCA |
3.5 OLS及 GWR算法 |
4 基于地化的控矿要素信息提取 |
4.1 成矿类型特征及控矿要素分析 |
4.1.1 铜镍硫化物矿床 |
4.1.2 斑岩铜矿床 |
4.1.3 控矿要素 |
4.2 铜元素奇异性指数填图 |
4.3 构造信息提取 |
4.4 基性-超基性岩的信息提取 |
4.5 铜矿化相关元素信息提取 |
4.6 覆盖区基于奇异性理论的控矿要素提取方法 |
5 基于Aster数据的矿物信息提取 |
5.1 可见-近红外及短波红外波段矿物信息提取 |
5.1.1 矿物特征指数建立 |
5.1.2 矿物信息提取 |
5.2 热红外波段矿物信息提取 |
5.2.1 矿物特征指数建立 |
5.2.2 矿物信息提取 |
6 基于OLS和 GWR的铜矿化及其控矿要素间的空间非稳定性分析 |
6.1 OLS分析模型 |
6.2 GWR分析模型 |
7 基于SWPCA模型的铜矿化潜力预测 |
7.1 SWPCA模型建立及权重因子的确定 |
7.2 基于SWPCA模型的铜矿化潜力预测 |
8 结论与存在问题 |
8.1 结论 |
8.2 存在问题及下一步工作计划 |
参考文献 |
致谢 |
附录 个人简介 |
四、ART神经网络模型在柴北缘—东昆仑造山型金矿预测中的应用(论文参考文献)
- [1]深部地质地球化学三维定量矿产预测方法研究 ——以西秦岭早子沟金矿为例[D]. 李程. 成都理工大学, 2021
- [2]基于多源数据协同的集宁浅覆盖区玄武岩提取方法研究[D]. 张雨维. 中国地质大学(北京), 2020(10)
- [3]青海东昆仑成矿带东段地球化学数据处理方法及找矿靶区圈定[D]. 耿国帅. 中国地质大学(北京), 2020(01)
- [4]闽西南铜多金属矿找矿信息挖掘与成矿预测[D]. 高原. 中国地质大学, 2019(05)
- [5]基于地质语义模型和机器学习的成矿远景区预测 ——以甘肃西秦岭为例[D]. 陈文悦. 中国地质大学(北京), 2019(02)
- [6]青海东昆仑成矿带区域地球化学数据处理及靶区优选[D]. 田立明. 中国地质大学, 2017(12)
- [7]地学空间变量优选中的多元分析与计算智能组合方法的研究[D]. 杨平. 吉林大学, 2016(03)
- [8]新疆阿尔泰山西段喀纳斯一带金矿成矿潜力分析[D]. 吾克依拉·吾铁朴. 新疆大学, 2016(02)
- [9]青海东昆仑大灶火区域镍矿定量预测与评价[D]. 崔宁. 中国地质大学(北京), 2016(08)
- [10]东天山覆盖区铜矿化信息提取及其控矿要素的空间非稳定性研究[D]. 李逸川. 中国地质大学(北京), 2015(05)