吉林大学学报(地球科学版) ›› 2022, Vol. 52 ›› Issue (2): 418-433.doi: 10.13278/j.cnki.jjuese.20210081

• 地质与资源 • 上一篇    下一篇

基于卷积神经网络的智能找矿预测方法:以甘肃龙首山地区铜矿为例

李忠潭1, 薛林福1, 冉祥金1,李永胜2,3,董国强4,李玉博1,戴均豪1   

  1. 1.吉林大学地球科学学院,长春130061
    2.中国地质调查局发展研究中心,北京100037
    3.自然资源部矿产勘查技术指导中心,北京100083
    4.甘肃省地质调查院,兰州730000
  • 出版日期:2022-03-27 发布日期:2022-11-15
  • 基金资助:
    中国地质调查局矿调项目(DD20190159)

Intelligent Prospect Prediction Method Based on Convolutional Neural Network: A Case Study of Copper Deposits in Longshoushan Area, Gansu Province

Li Zhongtan1, Xue Linfu1, Ran Xiangjin1, Li Yongsheng2,3, Dong Guoqiang4, Li Yubo1, Dai Junhao1   

  1. 1. College of Earth Sciences, Jilin University, Changchun 130061, China
    2. Development and Research Center of China Geological Survey, Beijing 100037, China
    3. Mineral Exploration Technical Guidance Center, Ministry of Natural Resources, Beijing 100083, China
    4. Geological Survey Institute of Gansu, Lanzhou 730000, China
  • Online:2022-03-27 Published:2022-11-15
  • Supported by:
    the Project of China Geological Survey (DD20190159)

摘要: 智能找矿预测是数字地质科学的前沿领域。本文基于一种二维卷积神经网络的智能找矿预测方法,以25种元素的水系沉积物数据和航磁数据为找矿预测数据,将已知的矿点作为监督样本,利用步长平移数据增强方法获取了训练数据集,对卷积神经网络进行训练后,将其应用于未知区域的找矿预测。应用该方法对甘肃省龙首山西段高台县臭泥墩—西小口子地区进行了铜矿智能找矿预测,根据已知的3个铜矿点,获取了22 934个训练数据,经过200轮训练之后,预测精度能够达到98.1%,最终圈定了5个预测区,5个预测区均具有良好的铜矿找矿远景。

关键词: 二维卷积神经网络;数据增强;龙首山西段;铜矿;智能找矿预测 

Abstract: Intelligent prospect prediction method is the leading edge of digital geoscience. In this paper, an intelligent prospect prediction method based on two-dimensional convolutional neural network is used. On the basis of 25 elements and aeromagnetic data on geochemical survey of stream sediments and taking known ore occurrences as monitoring samples, the training data set is obtained by step shift data enhancement. After training the convolutional neural network, it is applied to prospect prediction of unknown areas. The intelligent prospecting of copper deposits in the area of Chounidun-Xixiaokouzi, Gaotai County, west Longshoushan, Gansu Province is predicted. From 3 known copper occurrences, 22 934 training data are obtained. After 200 rounds of training, the prediction accuracy reaches 98.1%, and 5 prediction areas are delineated. In consideration with the previous research results and field work, the delineated areas have good prospect for copper mineralization.

Key words: convolutional neural network, data enhancement, western Longshoushan, copper deposit, intelligent prospecting and prediction

中图分类号: 

  • P628
[1] 冉光炯, 杨翘楚, 王健. 特长隧道隧址区三维地质模型构建方案[J]. 吉林大学学报(地球科学版), 0, (): 930-940.
[2] 万丽, 刘慧, 曾祥健. 普朗斑岩型铜矿床成矿元素多重分形特征及其矿化强度指示[J]. 吉林大学学报(地球科学版), 2021, 51(4): 1054-1063.
[3] 郑天成, 侯卫生, 何思彤. 基于二维地质剖面的三维地质结构多点统计学模拟方法[J]. 吉林大学学报(地球科学版), 2019, 49(5): 1496-1506.
[4] 冯波, 陈明涛, 岳冬冬, 李胜涛, 贾小丰, 宋丹. 基于两种插值算法的三维地质建模对比[J]. 吉林大学学报(地球科学版), 2019, 49(4): 1200-1208.
[5] 侯卫生, 杨翘楚, 杨亮, 崔婵婕. 基于Monte Carlo模拟的三维剖面地质界线不确定性分析[J]. 吉林大学学报(地球科学版), 2017, 47(3): 925-932.
[6] 龙亚谦,刘湘南,刘文灿,刘美玲,杨琴. 基于证据信度模型的致矿地质异常信息提取与集成[J]. 吉林大学学报(地球科学版), 2014, 44(6): 2059-2067.
[7] 薛林福,李文庆,张伟,柴社立,刘正宏. 分块区域三维地质建模方法[J]. 吉林大学学报(地球科学版), 2014, 44(6): 2051-2058.
[8] 张军强,吴冲龙,刘刚,刘飞. 空间集成方式的三维地质图编绘关键技术[J]. 吉林大学学报(地球科学版), 2014, 44(3): 1055-1062.
[9] 陈永良,路来君,李学斌. 多元地球化学异常识别的核马氏距离方法[J]. 吉林大学学报(地球科学版), 2014, 44(1): 396-408.
[10] 薛群威,刘艳辉,唐灿. 突发地质灾害气象预警统计模型与应用[J]. 吉林大学学报(地球科学版), 2013, 43(5): 1614-1622.
[11] 尚北川,陈建平,郑啸,戎景会,严琼,武曌. 个旧高松矿田断裂构造三维信息定量特征[J]. 吉林大学学报(地球科学版), 2013, 43(5): 1448-1456.
[12] 陈建平,严琼,李伟,尚北川,丁成武. 地质单元法区域成矿预测[J]. 吉林大学学报(地球科学版), 2013, 43(4): 1083-1091.
[13] 李楠,肖克炎,丁建华,娄德波. 大比例尺成矿预测中高精度立方格预测模型快速构建算法[J]. 吉林大学学报(地球科学版), 2013, 43(4): 1301-1308.
[14] 张道军, 成秋明, 左仁广. 证据权模型中两种预测单元划分方式对比[J]. 吉林大学学报(地球科学版), 2013, 43(3): 1040-1052.
[15] 陈永良,李学斌. 核概率距离聚类方法及应用[J]. 吉林大学学报(地球科学版), 2013, 43(1): 312-318.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
[1] 程立人,张予杰,张以春. 西藏申扎地区奥陶纪鹦鹉螺化石[J]. J4, 2005, 35(03): 273 -0282 .
[2] 李 秉 成. 陕西富平全新世古气候的初步研究[J]. J4, 2005, 35(03): 291 -0295 .
[3] 和钟铧,杨德明,王天武,郑常青. 冈底斯带巴嘎区二云母花岗岩SHRIMP锆石U-Pb定年[J]. J4, 2005, 35(03): 302 -0307 .
[4] 纪宏金,孙丰月,陈满,胡大千,时艳香,潘向清. 胶东地区裸露含金构造的地球化学评价[J]. J4, 2005, 35(03): 308 -0312 .
[5] 初凤友,孙国胜,李晓敏,马维林,赵宏樵. 中太平洋海山富钴结壳生长习性及控制因素[J]. J4, 2005, 35(03): 320 -0325 .
[6] 李斌,孟自芳,李相博,卢红选,郑民. 泌阳凹陷下第三系构造特征与沉积体系[J]. J4, 2005, 35(03): 332 -0339 .
[7] 李涛, 吴胜军,蔡述明,薛怀平,YASUNORI Nakayama. 涨渡湖通江前后调蓄能力模拟分析[J]. J4, 2005, 35(03): 351 -0355 .
[8] 旷理雄,郭建华,梅廉夫,童小兰,杨丽. 从油气勘探的角度论博格达山的隆升[J]. J4, 2005, 35(03): 346 -0350 .
[9] 章光新,邓伟,何岩,RAMSIS Salama. 水文响应单元法在盐渍化风险评价中的应用[J]. J4, 2005, 35(03): 356 -0360 .
[10] 王谦,吴志芳, 张汉泉,莫修文. 随机分形在刻划储层非均质特性中的应用[J]. J4, 2005, 35(03): 340 -0345 .