基于非线性成矿动力系统的机器学习方法应用研究

论文摘要

随着数字化进程的不断推进,地质科学迫切需要引入可以实现数据自动处理和分析的新技术与新方法,机器学习理论的发展为地质大数据中的复杂问题提供了新的求解途径。论文针对非线性成矿系统进行了动力过程的研究,验证了系统的动力学行为以及系统变量之间的非线性函数关系,并针对系统中的不同目标问题进行了机器学习模型的应用与探讨。论文主要研究成果如下:(1)以成矿元素为研究对象,运用相空间重构技术和关联维数,结合反应扩散方程对成矿元素的动力过程进行研究,研究表明:成矿元素的聚集与扩散过程具有混沌性态,其动力过程所形成的吸引子具有稳定的分形维数,系统的稳定性决定了相空间中吸引子的具体形态。(2)以涨落耗散定理为出发点,通过考察成矿系统内部的涨落,得到了系统对于能量的耗散程度,并结合实际钻孔中元素含量的分布特征,研究了成矿系统能量耗散对于元素含量分布的影响,结果显示:系统能量的耗散程度决定了成矿元素含量在空间中的分布高低。(3)利用DLA模型对不同约束条件下成矿流体的渗透过程进行模拟,结果显示:成矿流体的运移行迹在空间上具有自相似性,可以将其视为一种分形生长过程。(4)以结构化数据为基础,分别针对系统中的回归问题、岩性识别问题和特征提取问题探讨了不同机器学习模型的应用效果,结果显示:随机森林和SVM模型对于系统内部的非线性关系拟合效果较好;GBDT算法对于岩性识别问题具有较高的分类精度;经过熵函数的计算,随机森林模型选择的特征具有更高的分类能力;相比于PCA模型,基于RBF核函数和Sigmoid核函数的KPCA模型特征提取效果更好,并且实验样本在新生成的特征空间中线性可分;ISOMAP和LLE两种流形学习模型可以有效的学习高维空间中的变化,使得样本经过映射后在新特征空间中的分类边界明显;前馈神经网络模型则可以在求解目标问题的同时实现特征的自动提取,其隐含层的权重分布在一定程度上影响着特征学习的有效性。

论文目录

• 摘要
• ABSTRACT
• 第1章 前言
•   1.1 国内外研究现状
•   1.2 选题背景与项目依托
•   1.3 技术路线
•   1.4 研究内容
•   1.5 研究成果与创新点
•   1.6 研究意义
• 第2章 成矿元素的混沌动力学行为及其成因
•   2.1 相空间重构技术
•   2.2 关联维数
•   2.3 成矿元素序列的吸引子特征
•   2.4 成矿元素序列混沌行为的形成机制
•   2.5 小结
• 第3章 非线性成矿动力系统内部的涨落与耗散
•   3.1 涨落耗散定理的发展
•   3.2 成矿系统中的涨落耗散定理
•   3.3 成矿系统能量耗散与内部涨落的表征
•   3.4 应用实例
•   3.5 小结
• 第4章 成矿流体渗透过程的分形模拟
•   4.1 DLA模型简介
•   4.2 成矿流体沿孔隙渗透的演化方程
•   4.3 渗透过程的计算机模拟
•   4.4 实验结果
•   4.5 小结
• 第5章 成矿动力系统中的非线性回归模型
•   5.1 线性基函数模型
•     5.1.1 模型原理
•     5.1.2 模型参数的拟合
•   5.2 随机森林回归模型
•     5.2.1 回归树模型
•     5.2.2 随机森林模型
•   5.3 支持向量机回归模型
•     5.3.1 模型原理
•     5.3.2 核函数
•   5.4 模型应用效果
•     5.4.1 数据集探索性分析
•     5.4.2 多项式回归模型应用效果
•     5.4.3 随机森林回归模型应用效果
•     5.4.4 SVM回归模型应用效果
•   5.5 小节
• 第6章 非线性成矿动力系统中的岩性识别
•   6.1 非参数分类器:K近邻学习
•   6.2 分类树模型
•   6.3 梯度提升决策树（GBDT）模型
•     6.3.1 Boosting与 AdaBoost算法
•     6.3.2 GBDT模型与算法分析
•   6.4 模型应用
•     6.4.1 研究区概况
•     6.4.2 样本集的选取与特征归一化
•     6.4.3 决策树模型建立
•     6.4.4 模型超参数选择
•     6.4.5 模型性能对比与可视化
•   6.5 小结
• 第7章 非线性成矿动力系统中的特征提取与降维
•   7.1 非线性特征选择
•     7.1.1 基于熵函数的特征选择原理
•     7.1.2 模型建立
•     7.1.3 特征重要性的度量
•   7.2 基于KPCA模型的特征抽取
•     7.2.1 基于核方法的KPCA原理
•     7.2.2 KPCA应用实例
•       7.2.2.1 线性分类器
•       7.2.2.2 模型效果对比
•   7.3 基于流形学习的特征抽取
•     7.3.1 等度量映射
•     7.3.2 局部线性嵌入
•     7.3.3 模型应用与对比
•   7.4 基于深度前馈网络的特征自动提取
•     7.4.1 非线性函数的有效近似
•     7.4.2 模型的网络架构
•     7.4.3 模型效果分析
•   7.5 小结
• 第8章 结论
•   8.1 主要成果与认识
•   8.2 存在问题
• 参考文献
• 致谢
• 附录

文章来源

类型: 博士论文

作者: 韩启迪

导师: 申维

关键词: 成矿动力系统,非线性,岩性识别,机器学习

来源: 中国地质大学(北京)

年度: 2019

分类: 基础科学,工程科技Ⅰ辑

专业: 地质学,矿业工程

单位: 中国地质大学(北京)

基金: 国家自然科学基金项目(编号41172302,40672196)

分类号: P624

DOI: 10.27493/d.cnki.gzdzy.2019.000032

总页数: 120

文件大小: 7277K

下载量: 81