基于金矿规格单元数据的机器学习方法在成矿建模分析中的应用

现代金矿勘察主要是通过综合地球化学和地质测量等数字化方法对深部矿床进行研究,所需要的人力物力成本较高。而通过分析积累的金矿规格单元数据,可以建立金矿成矿情况与相关成矿元素含量之间的非线性关系,从已有的勘查数据中寻找金矿成矿的一般规律。本文基于与金矿相关的成矿元素含量数据,分别采用逻辑斯蒂回归、随机森林和决策树方法对原始数据和重采样数据进行训练,综合运用召回率、精确率和准确率对模型进行评价。通过对比发现,在训练和测试原始数据过程中,由于每组之间数据量的巨大差距,导致成矿数据被淹没;而在训练重采样数据过程中,随机森林在召回率和准确率方面均有较好的表现,分别达到了90.63%和70.78%;并最终分析了随机森林模型中不同分类边界对于金矿成矿情况预测结果的影响。利用不同的测量指标对模型进行评价分析,使模型更适用于金矿成矿预测,可有效地提高金矿勘察的效率。     

基于岩石图像深度学习的岩性自动识别与分类方法

岩石岩性的识别与分类对于地质分析极为重要,采用机器学习的方法建立识别模型进行自动分类是一条新的途径。基于Inception-v3深度卷积神经网络模型,建立了岩石图像集分析的深度学习迁移模型,运用迁移学习方法实现了岩石岩性的自动识别与分类。采用此方法对所采集的173张花岗岩图像、152张千枚岩图像和246张角砾岩图像进行了学习和识别分类研究,通过训练学习建立岩石图像深度学习迁移模型,并分别采用训练集和测试集中的岩石图像对模型进行了检验分析。对于训练集中的岩石图像,每组岩石分别用3张图像测试,三种岩石的岩性分类均正确,且分类概率值均达到90%以上,显示了模型良好的鲁棒性;对于测试集中的岩石图像,每组岩石分别采用9张图像进行识别分析,三种岩石的岩性分类均正确,并且千枚岩组图像分类概率均高于90%,但是花岗岩组2张图像和角砾岩组的1张图像分类概率值不足70%,概率值较其他岩石图像低,推测其原因是训练集中相同模式的岩石图像较少,导致模型的泛化能力减小。为了提高识别精确度,对准确率较低的岩石图像进行截取,分别取其中的3张图像加入训练集进行再训练,增加与测试图像具有相同模式的训练样本;在新的模型中,对3张图像进行二次检验,测试概率值均达到85%以上,说明在数据足够的状况下模型具有良好的学习能力。与传统的机器学习方法相比,所提出的岩石图像深度学习方法具有以下优点:第一,模型通过搜索图像像素点提取物体特征,不需要手动提取待分类物体特征;第二,对于图像像素大小,成像距离及光照要求低;第三,采用适当的训练集可获得较好的识别分类效果,并具有良好鲁棒性和泛化能力。     

耦合PCA-SVM算法的金矿矿床规模预测分析研究

判断矿床(点)的类型是矿床勘探中的重要内容,传统预测金矿成矿规模的方法不仅耗时耗力,而且所需的经济成本较大。为提高矿床规模的勘探效率和准确度,揭示元素与金矿成矿规模的潜在联系,文中提出了耦合主成分分析(principal component analysis,PCA)和支持向量机(support vector machine,SVM)算法的预测分析PCA-SVM(principal component analysis-support vector machine)方法。该方法先通过主成分分析提取数据中的主要特征,再将主要特征带入支持向量机算法,从而训练出最优分类器以预测金矿成矿规模。文中共使用了3 812个金矿样本数据用于学习训练和预测分析,训练准确率为92.3%,测试准确率为88.7%,分别比直接使用支持向量机算法高出14.3%和17.1%。基于PCA-SVM的预测模型,不仅消除了人为主观因素的影响,而且有效提高了勘探过程中矿床预测的准确率和矿床勘探的效率,为地质勘查工作提供依据。     

复杂断层网络环境下地下洞室群三维地质分析与应用

断层构造是制约地下工程设计与施工的关键因素。综合考虑复杂地质构造与地下洞室群结构的耦合关系,采用三维地质建模方法建立实现了地层体、断层体与地下洞室群结构的统一模型。基于三维模型提出了断层复杂度的概念,为水利水电工程地下厂房洞室群的选址方案分析提供了一种新的手段。针对地下围岩稳定性问题,提出基于断层与断层、断层与开挖面相互切割的曲面块体识别方法,搜索地下厂房洞室群内可能的失稳区域。上述方法已成功应用在某水电工程地下厂房洞室群分析中,在设计方案优化分析中取得了良好的效果。     

滑坡体三维地质建模与可视化分析

针对滑坡地质研究的自身特点,提出了面向滑坡地质体三维建模的NURBS-BRep混合数据结构和地质结构单元实体构造技术.通过对滑坡基础地质数据的预处理、滑坡数字地形和滑动面的三维建模、地质结构面的系统构造、地质结构体的生成和显示,形成了一套完整的滑坡三维地质模型的构建方法.将该方法应用于某水库滑坡,建立了相应的三维滑坡地质模型,并基于此模型进行了三维剖切分析、数字钻孔、等值线生成、滑块自动剖分、滑坡失稳可视化动态模拟和滑坡体方量精确计算等一系列实用的可视化分析,为滑坡稳定性的准确计算和客观评价提供了有力的支持.     

一种三江平原湿地的植被冠层叶绿素反演

针对三江平原洪河湿地保护区内主要特征植被冠层的叶绿素含量,采用PROSAIL模型从物理角度进行反演。首先将叶面积指数、叶片结构参数、等价水厚度、叶绿素实测含量等一些植被理化参数的实测值输入模型得到模拟光谱数据,然后与实测光谱数据对比验证其准确性。在模型中,通过固定其他参量不变,取叶绿素含量为唯一值时,考察在不同叶面积指数下叶绿素含量对冠层反射率的影响。结果显示,植被冠层叶绿素含量的敏感波段为555nm和720nm。基于PROSAIL模型的叶绿素反演方法较传统的统计模型相比是较好且稳健的方法。     

岩石大地构造学说的兴起、没落与新生

在板块构造环境中形成的岩石组合(rock assemblages)被称为岩石大地构造组合(petrotectonic assemblages)。岩石大地构造学说创立于20世纪70~80年代,经历了兴起、没落与新生的曲折过程。研究表明,由Pearce等学者创立的岩石大地构造学说的理论基本正确,概括来说,洋中脊、洋岛和岛弧三大构造背景的源区是不同的,这是玄武岩判别图的理论基础。目前的情况是,三大构造背景源区不均一性可能比早先认为的更复杂。由于不同构造环境源区的复杂性,早先的玄武岩判别图采用的是抽样数据、典型地区、精确数据,显然不适合全球数据海量积累的情况,遂使玄武岩判别理论遇到了瓶颈。我们的研究发现,不同构造背景的所有岩石、矿物(包括玄武岩、苦橄岩、辉长岩、堆晶岩、橄榄石、单斜辉石、尖晶石等)几乎都保留了不同构造背景的“基因”信息,并且大多可采用大数据方法予以识别,遂使岩石大地构造学说焕发了青春。虽然本文提出了不同构造环境存在不同“基因”的假说,按照大数据方法判别的效果显著增加了。但是,这个不同构造背景的“基因”究竟是什么仍然不清楚。此外,上述“基因”假说的理论解释还非常不足,需要今后进一步探讨。     

三峡水库135m运行阶段永久船闸下引航道泥沙淤积分析

通过实测三峡水库135m运行阶段永久船闸下引航道及口门区泥沙淤积与水沙因子变化,计算分析了下引航道及口门区的淤积量及分布、拦门沙淤积形态、淤积机理及清淤时机,建立了口门含沙量与长江含沙量、口门斜流流速与长江流量、拦门沙淤积高度与来沙量等关系;并结合倒灌异重流理论,计算验证了下引航道及口门区异重流、环流淤积。结果表明,下引航道及口门区主要集中在主汛期(7~9月)淤积,汛末(10~12月)进行一次清淤即可满足航深要求。     

水库库岸滑坡体稳定性与三维可视化模拟分析系统研究

基于滑坡体稳定性极限平衡分析方法、滑坡三维数字建模技术和可视化动态仿真技术等理论方法和技术,采用VC++研制开发了水库库岸滑坡体稳定性与三维可视化模拟分析系统VisualSlope。该系统的实现过程分为系统分析、系统设计、系统开发与实施3个阶段。VisualSlope系统通过图形对象库和数据库读取几何参数数据,进而完成稳定性计算、结果可视化分析和失稳三维动态可视化模拟与演示分析,软件功能丰富,具有一定的通用性,实用性强,为水库库岸滑坡的稳定性分析与防治提供了技术支持平台。     

量子纠缠技术在地质学上应用的可能性

牛顿力学是研究宏观世界的理论,量子力学是研究微观世界的理论。量子力学中有许多超乎宏观世界的现象,有些很神秘,甚至颠覆了我们对科学的认识,这其中最典型的就是量子纠缠现象。量子纠缠是指两个相互纠缠的量子不管相距多远,它们都不是独立的事件。当你对其中的一个量子进行测量时,另外一个相距很远的量子也可以被感知,可以被关联测量。量子纠缠是量子系统区别于经典系统的最不可思议的特性。量子纠缠正是由于它过于神奇,很难验证,故引起学术界争论不断。但是,由于量子纠缠具有的强大功能,正在成为国际大国竞相发展的焦点。文中讨论了量子纠缠目前研究的现状及其特征,探讨了量子纠缠应用的若干实例,包括量子纠缠的隐形传态功能,量子纠缠推动了量子计算机的进步,量子纠缠与大数据结合开创了量子机器学习方法等。至于量子纠缠技术如何应用于地质学,国内外还没有先例,但我们认为,从理论上来说不是不可能的。研究表明,两个具有相关关系的粒子之间容易产生纠缠,纠缠特别容易出现在具有亲缘关系(因果关系)的群体中。我们研究地质学问题,最喜欢、最关注的即成因问题,如岩石成因、矿床成因、变质成因、沉积成因等等。成因关系即因果关系。因此从成因研究入手,可能是量子纠缠技术在地质学上应用的切入点。从我国经济发展、资源现状和国际生存空间角度出发,我们应当重视对量子纠缠技术应用的研究。将量子纠缠技术引入地质学领域是一件前无古人但肯定后有来者的事情。