勘查地球化学数据挖掘与弱异常识别

论文摘要

我国积累的大量高质量、多元素、多尺度的地球化学数据,为矿产勘查与环境评价提供了有效的数据支撑。如何对这些数据进行二次开发和再利用,提取有价值的地球化学异常信息并带动找矿突破,是缓解当前矿产资源短缺的重要途径之一。在覆盖区和深部的找矿实践中,由于矿体埋深和覆盖层的影响,往往在表生介质中形成弱小的地球化学异常,识别和评价弱小地球化学异常是当前勘查地球化学数据处理的重要方向之一。本文围绕地球化学异常信息的提取和评价,主要从以下几个方面讨论了相关的国内外研究进展和发展趋势:勘查地球化学数据处理与异常识别方法和模型,勘查地球化学数据闭合效应的影响及其解决方案,基于大数据和机器学习的勘查地球化学数据处理以及弱小地球化学异常的识别和评价。研究发现,在地质环境的约束下,基于大数据思维和机器学习相结合的方法,注重地球化学空间分布模式与已发现矿床的相关关系,同时使用所有地球化学变量能有效刻画具有非线性特征的地球化学空间分布模式,可识别出传统方法无法识别的异常,为开展地球化学空间模式识别与异常提取提供了新的途径。

论文目录

• 1 勘查地球化学数据处理与异常识别
•   1.1 勘查地球化学数据数据处理方法
•   1.2 勘查地球化学数据的闭合效应
•   1.3 大数据与机器学习
• 2 弱小地球化学异常识别与评价
•   2.1 弱小地球化学异常识别
•   2.2 弱小地球化学异常评价
• 3 总结

文章来源

类型: 期刊论文

作者: 左仁广

关键词: 勘查地球化学,弱小地球化学异常,分形,机器学习

来源: 地学前缘 2019年04期

年度: 2019

分类: 基础科学

专业: 地质学

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: 国家自然科学基金项目(41772344,41522206),湖北省自然科学基金项目(2017CFA053),地质过程与矿产资源国家重点实验室自主研究课题(MSFGPMR03-3)

分类号: P632

DOI: 10.13745/j.esf.sf.2018.6.25

页码: 67-75

总页数: 9

文件大小: 706K

下载量: 567