基于随机森林算法的大尹格庄金矿床三维成矿预测

被引：46

作者：

陈进 ^{[1
,2
]}

毛先成 ^{[1
,2
]}

刘占坤 ^{[1
]}

邓浩 ^{[1
,2
]}

机构：

[1] 中南大学地球科学与信息物理学院

[2] 中南大学有色金属成矿预测与地质环境监测教育部重点实验室

来源：

大地构造与成矿学 | 2020年 / 44卷 / 02期

基金：

国家重点研发计划;

关键词：

大数据技术; 机器学习; 随机森林算法; 控矿因素; 三维成矿预测; 大尹格庄金矿床;

D O I：

10.16539/j.ddgzyckx.2020.02.007

中图分类号：

P618.51 [金];

学科分类号：

070403 [天体物理学];

摘要：

大数据及机器学习技术在解决各行各业的复杂非线性关系问题方面已经体现出巨大的优势。本文尝试将随机森林(RF)算法引入三维成矿预测领域来开展研究,以胶东大尹格庄金矿为研究对象,在构建招平断裂(地质体)三维模型的基础上,通过各种空间分析方法提取控制矿体形成的若干控矿地质因素特征值,进而获取成矿空间中控矿地质因素分布值,最后将矿区钻孔立体单元化形成采样数据集并利用RF算法对矿区开展三维矿体定位预测,结果表明:决策树棵数M=800、属性个数K=7是最优参数,能获得总体精度97.32%和kappa系数0.6292的综合分类精度; RF算法的分类精度要优于支持向量机(SVM)算法和多层感知器(MP)算法。RF算法对大尹格庄金矿开展的三维矿体定位预测取得了较好效果,并在矿区深边部预测了7个三维找矿靶区,证明大数据技术在矿产资源定位预测方面具有巨大的应用前景。

引用

页码：231 / 241

页数：11

共 27 条

[1]

40Ar/39Ar geochronological constraints on the formation of the Dayingezhuang gold deposit: New implications for timing and duration of hydrothermal activity in the Jiaodong gold province, China [J].

Yang, Li-Qiang ;

Deng, Jun ;

Goldfarb, Richard J. ;

Zhang, Jing ;

Gao, Bang-Fei ;

Wang, Zhong-Liang .

GONDWANA RESEARCH, 2014, 25 (04) :1469-1483

[2]

Timing; duration and role of magmatism in wide rift systems: Insights from the Jiaodong Peninsula (China; East Asia).[J].Nicolas Charles;Romain Augier;Charles Gumiaux;Patrick Monié;Yan Chen;Michel Faure;Rixiang Zhu.Gondwana Research.2012,

[3]

Bagging predictors [J].