基于AlexNet网络的二维找矿预测 ——以松桃—花垣地区沉积型锰矿为例

摘要：

在大数据的时代背景下,地质大数据逐渐趋于复杂化的模式与其间的空间关联性为基于机器学习算法的矿产资源定量预测带来了更大的挑战.利用深度卷积网络算法优异的分析性能来提取不同成矿条件下多种二维要素图层的空间分布特征与关联性是一项非常有意义的探索性实验.以松桃—花垣地区沉积型锰矿为例,利用深度卷积神经网络模型AlexNet挖掘Mn元素、沉积相、大塘坡组出露、断裂及水系的空间分布与锰矿矿床的就位空间的耦合相关性,以及不同的控矿要素之间的相关性,以此训练出二维矿产预测分类模型.经过训练后,可以得到验证准确率88.89％,召回率为66.67％,损失值0.08的深度卷积神经网络分类模型.应用该模型对未知区进行二维成矿预测,共圈定出91、96、154、184号4个成矿远景区,其中91号和154号的区域含矿概率为1,96号含矿概率为0.5.由此可见,预测区具有很大概率存在尚未发现的矿床.

关键词：大数据、找矿预测、卷积神经网络、Alextnet网络、松桃—花垣锰矿

所属期刊栏目：38

分类号：P618.32;P628(矿床学)

资助基金：国家深地资源勘探开采专项《深部资源预测系统技术研究与示范》;自然资源部公益性行业专项经费项目《地质大数据技术研究与应用试点》;重庆市社会事业与民生保障科技创新专项《富水断裂裂缝系统分布综合预测新技术研究与应用》;中国地质调查局项目《资源环境重大问题综合区划与开发保护策略研究》

在线出版日期：2020-03-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：2022-2032