四川会理地区位于扬子准地台西南缘川滇裂谷系中段之会理-东川拗拉槽西端,是我国重要的铜矿资源基地。如何充分利用海量多源地学空间大数据和深度学习方法,挖掘内在的、深层次的找矿预测信息,提高找矿预测效果是当前成矿预测的重要研究方向。论文在收集、整理四川会理地区多源地学数据的基础上,开展了机器学习算法在目标类型矿床找矿预测中的应用研究,重点探讨了系统样本集构建和深度卷积神经网络成矿预测方法流程,圈定了 5处找矿远景区。研究工作对于创新矿产预测方法具有借鉴意义,同时对会理地区拉拉式铜矿勘查也具有实际应用价值。(1)综合“拉拉式”铜矿成矿地质条件、水系沉积物地球化学元素和航磁数据的分布模式及其与已知矿床(点)的空间关系,筛选出河口群地层、基性岩体临近度、Cu元素含量、主成份分析第二主分量和航磁△T化极异常5个重要预测变量,建立了综合信息预测模型。以此为基础,开展证据权法、支持向量机、随机森林和单隐层感知机模型的成矿预测性能对比研究。(2)构建了—套系统、规范的样本数据集,为训练神经网络模型奠定了基础。以研究区内代表性矿床勘探所获取的矿体平面投影范围网格化单元为中心,通过样本扩充,得到1468个矿化窗口样本;与随机获取的同等数量的非矿窗口样本结合,形成了系统的可用于深度学习的样本数据集。研究表明利用代表性矿床勘探获取的矿体范围构建样本集,训练人工神经网络模型是可行的,模型也更有针对性,对特定类型的找矿预测工作具有很好的指示作用。(3)引入集成学习的思想,结合深度学习之卷积神经网络,创新性地提出了“随机样本集成卷积神经网络”(Random Samples Integrating CNN,RSI-CNN)成矿预测技术。并在MATLAB平台编程实现了从基本预测要素数据处理、矿化与非矿窗口样本集形成和随机组合,到卷积神经网络模型训练和成矿预测的完整过程。研究表明随机样本集成卷积神经网络在数据层面增加了训练样本的多样性,在模型层面提高了预测结果的稳定性。(4)使用最大值和均值基学习器组合策略,依据成矿有利度,结合成矿地质条件,圈定了嵩枝坝、落凼—红泥坡、打厂坡西、黎洪、吊井洞等5片找矿远景区,为该地区进一步的铜矿找矿勘探提供了决策依据。
