-
题名基于集成学习模型与贝叶斯优化算法的成矿预测
被引量：1
- 1
-
-
作者
孔春芳
田倩
刘健
蔡国荣
赵杰
徐凯
-
机构
中国地质大学(武汉)计算机学院
自然资源部基岩区矿产资源勘查工程技术创新中心
贵州省战略矿产智慧勘查全省重点实验室
智能地学信息处理湖北省重点实验室
贵州省地质矿产勘查开发局一○三地质大队
-
出处
《地学前缘》
北大核心
2025年第4期122-139,共18页
-
基金
贵州省找矿突破战略行动重大协同创新项目(黔科合战略找矿[2022]ZD004)
湖北省自然科学基金项目(2021CFB506)
+4 种基金
智能地学信息处理湖北省重点实验室开放基金项目(KLIGIP-2023-B08)
贵州省基础研究计划(自然科学)(QKHJC-ZK[2023]G 194)
贵州省重大科技成果转化项目(黔科合[2022]重点003)
贵州省地质矿产勘查开发局项目(黔地矿科合[2021]3和[2023]1)
铜仁市科技局科研项目(铜市科研[2024]97号)。
-
文摘
全球进入隐伏矿体勘查时代,急需新的找矿预测方法。利用集成学习进行的数据驱动的成矿预测模型正在成为深部隐伏矿产勘探的有力工具。然而,基于集成学习的成矿预测模型面临着一些普遍的问题,特别是模型的参数调优。模型的参数调优是一个非常耗时的过程,需要繁琐的计算和足够的专家经验。本文提出了一种基于多源地学知识与贝叶斯优化算法的集成学习模型来解决上述问题。具体来说,首先,基于多源地学知识,构建锰矿成矿预测数据库;其次,基于自适应提升模型(Adaptive Boosting,AdaBoost)和随机森林(Random Forest,RF)模型,建立黔东北锰矿成矿预测模型;然后,采用贝叶斯优化算法(Bayesian Optimization,BO),通过5倍交叉验证的辅助,寻找BO-AdaBoost和BO-RF模型最合适的超参数组合;最后,利用精度、准确率、召回率、F_(1)分数、kappa系数、AUC值等参数及已有成果检测模型的性能。实验结果发现,BO-AdaBoost和BO-RF模型的AUC值都得到了显著的提高,表明BO是一个强大的优化工具,优化结果为集成学习模型的超参数设置提供了参考。同时,实验结果也表明:BO-AdaBoost模型(92.8%)比BO-RF模型(89.9%)具有更高的预测精度和地质泛化能力,在成矿预测方面具有巨大潜力。基于BO-AdaBoost模型的预测图为黔东北隐伏锰矿矿床的勘探提供了重要线索,并可以指导未来的矿产勘探与开发。
-
关键词
集成学习
自适应提升模型
随机森林
贝叶斯优化算法
隐伏锰矿
成矿预测
-
Keywords
ensemble learning
Adaptive Boosting(AdaBoost)
Random Forest(RF)
Bayesian Optimization(BO)
hidden manganese ore
metallogenic prediction
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
P612
[天文地球—矿床学]
P628
[天文地球—地质矿产勘探]
-
-
题名黔东北地区钒矿床地球化学特征及成因研究
被引量：9
- 2
-
-
作者
舒多友
侯兵德
张命桥
谢兴友
-
机构
贵州省地质矿产勘查开发局一○三地质大队
-
出处
《矿床地质》
CAS
CSCD
北大核心
2014年第4期857-869,共13页
-
基金
贵州省地质矿产勘查开发局"黔东北地区钒矿成矿规律与成矿预测研究"科研项目(编号:200906)资助的成果
-
文摘
近年来在黔东北地区先后发现了多个中_大型沉积型钒矿床,它们均赋存在寒武系下统九门冲组(∈1jm)下部的黑色碳质泥岩中。为了从地球化学方面深入探讨该类钒矿床中含矿岩系的沉积环境以及矿床成因类别,选用电感耦合等离子体质谱(ICP_MS)法对钒矿体及其上、下地层的样品进行了主量、微量和稀土元素测试,采用层序地层学方法对典型钒矿床的含矿岩系地层进行剖析,充分利用地球化学元素对环境的敏感特性探索了含矿岩系形成的氧化还原条件和矿床成因。结果表明,含矿岩系主要为海相深(浅)水陆棚相沉积物,因沉积过程中沉积相的多次演变,形成了现在具有一定差异的岩性组合。同时,因地球化学场的不断变化,沉积物中主量、微量和稀土元素的含量呈现了特有的分布规律。文章首次从地球化学方面揭示了该区含矿岩系及钒矿层均是还原环境下的产物,钒矿床以正常海相沉积成因为主,仅与生物作用有一定关系,受热水影响并不明显。这对钒矿床的成矿预测以及实现更大找矿突破,具有一定意义。
-
关键词
地球化学
钒矿床
岩石成因
黔东北
-
Keywords
geochemistry, vanadium deposit, petrogenesis, northeastern Guizhou
-
分类号
P618.61
[天文地球—矿床学]
-
