利用自组织特征映射神经网络和K-means聚类算法挖掘区域化探数据中的地质信息

• 作者: 彭润民 李帅值 陈军林 陈喜财
• 来源期刊: 物探与化探
• 学科: 地球科学
• 关键词: 区域化探 自组织特征映射 K-means 聚类分析 地质信息 数据挖掘
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 方法研究·信息处理·仪器研制
• 页码范围: 919-927
• 页数: 9页
• 分类号: P632
• 字数: 5686字
• 语种: 中文
• DOI: 10.11720/wtyht.2017.5.19

摘要

区域化探数据包含丰富的地质信息,从区域化探数据中挖掘出这些信息,对于区域地质研究具有重要意义.笔者提出了一种利用自组织特征映射网络和K-means聚类算法挖掘区域化探数据中地质信息的方法,将标准化之后的元素含量数据作为模型输入值,通过自组织神经网络进行聚类,再通过K-means算法进行二次聚类,从聚类结果中分析其中包含的地质信息.以英格兰西南部某区水系沉积物区域化探数据为例,进行实例研究以检验该方法的实际效果.实例结果表明:①利用该方法得出的聚类结果图很好地响应了地质体的空间分布,可用于推断地质体的分布特征;②地质信息隐藏在每个聚类类型的地球化学特征之中,通过对这些特征进行分析和解释,可以挖掘出其中所包含的信息;③基于SOM网络和K-means聚类的区域化探数据挖掘方法是一种有效的地质信息获取方法,对于传统区域地质研究可以起到补充和增强的作用.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈喜财		1	1	1.0	1.0