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

1、礦產(chǎn)資源是國家經(jīng)濟可持續(xù)發(fā)展的基礎(chǔ)資源之一。我國礦產(chǎn)資源儲量大,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)用機器學(xué)習(xí)和人工智能等新興信息技術(shù),構(gòu)建高效、準確的礦產(chǎn)資源潛力評價模型,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)用價值。
　　論文針對目前礦產(chǎn)資源潛力評價方法對空間關(guān)系考慮不足的問題,提出了一種充分挖掘控礦變量和評價單

2、元空間關(guān)系的新方法—耦合證據(jù)權(quán)與空間場景相似性的礦產(chǎn)資源潛力評價方法(Weights-of-Evidence and Spatial-Scene Similarity, WESS),并以我國青海省祁漫塔格成礦帶為研究區(qū)進行詳細的應(yīng)用示范。同時,針對研究區(qū)已知礦床較少的特點,采用支持向量機(Support Vector Machine, SVM)分類算法對祁漫塔格地區(qū)的銅鐵鉛鋅多金屬礦種成礦潛力予以評價。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方法進行詳細的實驗效果對比。論文主要內(nèi)容和成果如下:
　　(1)針對研究區(qū)已知礦床較少的特點,建立基于支持向量機的區(qū)域礦產(chǎn)資源潛力評價方法,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。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)針對目前礦產(chǎn)資源潛力評價方法主要考

4、慮成礦專題信息的屬性融合,缺乏對空間關(guān)系和空間場景有效處理的局限性,耦合證據(jù)權(quán)模型和空間場景相似性理論,構(gòu)建融合控礦變量屬性和空間關(guān)系的礦產(chǎn)資源潛力評價模型。主要技術(shù)流程包括:以評價單元為中心劃分空間場景;提取場景內(nèi)控礦變量和評價單元的空間拓撲、方位以及距離關(guān)系;利用證據(jù)權(quán)模型確定控礦變量的成礦權(quán)重;計算以評價單元為中心的空間場景和以已知礦點為中心的空間場景的相似性。該方法突破傳統(tǒng)方法注重成礦專題屬性信息,缺乏對空間關(guān)系和空間場景有效處

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方法進行詳細的應(yīng)用示范實驗。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個已知礦點同時作為訓(xùn)練樣本和驗證樣本,統(tǒng)計驗證樣本落入高、中、低潛力區(qū)的個數(shù),WOFE模型評價精度分別為70.3％、5.5％、24.2％,AUC值為0.81;SVM方法評價精度分別為70.3％、14.9％、

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