| 基于深度学习的深层次矿化信息挖掘与集成 |
| |
| 引用本文： | 左仁广. 基于深度学习的深层次矿化信息挖掘与集成[J]. 矿物岩石地球化学通报, 2019, 0(1): 53-60,I0003 |
| |
| 作者姓名： | 左仁广 |
| |
| 作者单位： | 中国地质大学(武汉)地质过程与矿产资源国家重点实验室 |
| |
| 基金项目： | 国家自然科学基金项目(41772344;41522206);湖北省自然科学基金项目(2017CFA053) |
| |
| 摘 要： | 矿产预测的核心是对地学空间数据进行特征提取与集成融合,当前的研究热点和前沿聚焦于深层次矿化信息特征提取与集成。进入大数据时代,如何基于机器学习开展深层次矿化信息挖掘与集成是当前矿产预测的前沿领域。本文介绍了基于机器学习的矿产预测与评价研究的主要内容,深度学习的基本原理,以及深度学习在地球化学异常识别和多源找矿信息集成融合中的应用。研究结果表明,深度学习可有效识别和提取地球化学异常,并能对地质、地球物理、地球化学等多源地学数据进行特征提取、集成融合及找矿远景区圈定。尽管如此,如何把深度学习与地质约束有机结合,使其既能有效挖掘与集成深层次矿化信息,又符合地质认知,还需要更加深入的研究。
|
| 关 键 词： | 矿产预测 深层次矿化信息 大数据 深度学习 |
Deep Learning-Based Mining and Integration of Deep-Level Mineralization Information |
| |
| ZUO Ren-guang. Deep Learning-Based Mining and Integration of Deep-Level Mineralization Information[J]. Bulletin of Mineralogy Petrology and Geochemistry, 2019, 0(1): 53-60,I0003 |
| |
| Authors: | ZUO Ren-guang |
| |
| Affiliation: | (State Key Laboratory of Geological Processes and Mineral Resources,China University of Geosciences (Wuhan), Wuhan 430074,China) |
| |
| Abstract: | ZUO Ren-guang(State Key Laboratory of Geological Processes and Mineral Resources,China University of Geosciences (Wuhan), Wuhan 430074,China) |
| |
| Keywords: | mineral exploration deep-level mineralization information big data deep learning |
| 本文献已被 CNKI 维普 等数据库收录！ |
|
