[发明专利]一种基于地学数据库的半监督学习矿产资源定量预测方法

权利要求书

1.一种基于地学数据库的半监督学习矿产资源定量预测方法，其特征在于，处理方法包括：本方法由三部分组成，第一部分为基础算法；第二部分为贝叶斯超参数优化算法；第三部分为用于评价预测方法效果和圈定找矿有利靶区的概率-面积/体积图法。

方法一：基础算法：以‘袋装法’为基础的正样本无标签学习算法；

其中，‘袋装法’该算法计算流程如下：

方法二：贝叶斯超参数优化算法，简要步骤总结如下：

步骤一：随机一些超参数x并训练得到模型，然后刻画这些模型的能力y，得到先验数据集合D＝(x1,y1)、(x2,y2)、...、(xk,yk)；

步骤二：通过先验数据D来拟合出高斯模型GM；

步骤三：通过采集函数找到在GM下的极大值，超参数x'，并通过x'训练得到模型和刻画模型能力y'，将(x'，y')加入数据集D；

步骤四：重复2-3步，直至终止条件。

2.根据权利要求1所述的一种基于地学数据库的半监督学习矿产资源定量预测方法，其特征在于：方法三，用于评价预测方法效果和圈定找矿有利靶区的概率-面积/体积图法，简要概括如下：概率体积图包含两条线，一条为所预测的累计概率对应的块体面积/体积占矿体的百分比，另一条为所预测的累计概率对应的块体面积/体积占研究区的百分比，两条线交点即为靶区对应的概率阈值，该交点越高代表算法表现越好。

3.根据权利要求1所述的一种基于地学数据库的半监督学习矿产资源定量预测方法，其特征在于：对于基础算法，本方法提供了二维、三维矿产资源定量预测中常用的随机森林，梯度提升树，支持向量机等算法。