数据驱动下的矿产预测模型构建方法研究

• 作者: 常力恒 朱月琴 聂虹 闫东
• 来源期刊: 中国矿业
• 学科: 地球科学
• 关键词: 数据驱动 矿产预测 决策树 支持向量机 卷积神经网络
• 年，卷（期）: 2018,（9）
• 所属期刊栏目: 重大专项
• 页码范围: 82-87
• 页数: 6页
• 分类号: P62|TP181
• 字数: 6021字
• 语种: 中文

摘要

这是一个计算无处不在、软件定义一切、数据驱动发展的新时代.在矿产预测中,相较于以前统计方法,机器学习、深度学习算法的优势在于能更好地表现出矿化点和空间要素之间的非线性的复杂关系.本文将地质、物探、化探、遥感资料融合在一起,用决策树、支持向量机、卷积神经网络三种算法建模,开展综合信息的矿产预测工作.针对甘肃省北山地区的样本数据,发现相对于卷积神经网络的建模方法,决策树和支持向量机的建模方法更为合适.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱月琴		27	107	5.0	9.0