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), 2022, 52(13): 930-940.
[2] 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), 2022, 52(3): 930-940.

[3] 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.
[4] 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.
[5] 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.
[6] 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.
[7] 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.
[8] 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.
[9] 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.
[10] 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.
[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] 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.
[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] 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.
[15] 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.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
[1] 于 平,李瑞磊,付 雷,郝 雪,张向军,廉国芬. 松辽盆地滨北地区区域构造特征及意义--地震长剖面给出的证据[J]. J4, 2005, 35(05): 611 -615 .
[2] 张原庆, 宋炳忠, 王玉福, 张宁. 鲁西铜石岩体金成矿规律和成矿预测[J]. J4, 2010, 40(6): 1287 -1294 .
[3] 李建平,李桐林,张 辉,徐凯军. 不规则回线源层状介质瞬变电磁场正反演研究及应用[J]. J4, 2005, 35(06): 790 -0795 .
[4] 高松, 宋莹, 王琳,蒋步新. 水体中秋兰姆特效降解菌的筛选及其降解性能研究[J]. J4, 2006, 36(03): 455 -457 .
[5] 张凤君,李 卿,马玖彤,于广菊. 膜蒸馏处理糠醛废水的实验研究[J]. J4, 2006, 36(02): 270 -0273 .
[6] 卢双舫,李吉君,薛海涛,徐立恒. 油成甲烷碳同位素分馏的化学动力学及其初步应用[J]. J4, 2006, 36(05): 825 -829 .
[7] 丁志宏,冯平,毛慧慧. 考虑径流年内分布影响的丰枯划分方法及其应用[J]. J4, 2009, 39(2): 276 -0280 .
[8] 任何军, 刘娜,高松,张兰英,张玉玲,周睿. 假单胞菌DN2对多氯联苯的降解及bphA1核心序列测定[J]. J4, 2009, 39(2): 312 -0316 .
[9] 黄奇波, 覃小群, 刘朋雨, 康志强, 唐萍萍. 半干旱区岩溶碳汇原位监测方法适宜性研究[J]. 吉林大学学报(地球科学版), 2015, 45(1): 240 -246 .
[10] 熊晓亮,孙红月,张世华,蔡岳良. 高扬程虹吸保障条件分析与合理管径选择数值模拟[J]. 吉林大学学报(地球科学版), 2014, 44(5): 1595 -1601 .