[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

说明书

本发明公开了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，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，本发明的有益效果：通过上述三种方法组成的基于地学数据库的半监督学习矿产资源定量预测方法，并通过电脑软件的输入上述的三类方法，最终能达到矿产资源勘查的准确性和效率提升。

技术领域

本发明涉及矿产资源勘测领域，更具体地说，属于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。

背景技术

矿产资源勘查是发现矿床并查明其中的矿体分布、矿产种类、质量、数量、开采利用条件、技术经济评价及应用前景等，满足国家建设或矿山企业需要的全部地质勘查工作。矿产资源埋藏于地下，具有稀少、隐蔽、复杂等特点，其勘查过程常常需要采用地质填图、物探、化探、遥感地质等方法，应用钻探、坑探等技术手段，需要进行测量、编录、取样、化验、实验、储量计算、技术经济评价和可行性研究等工作，需要大量的人力、物力和资金投入。且一个矿产资源地从发现、查明到开发需要经过很长的周期。因而，矿产资源勘查是一项极具风险的工作。由此可见，在矿产资源勘查阶段就开始贯彻循环经济的原则十分重要。

目前，矿产资源勘查不准确，且矿产资源勘查效率低下，因此针对这些不足需要设计一款全新矿产资源勘查的方法。

发明内容

针对现有应用及技术存在的不足，本发明提供了种基于地学数据库的半监督学习矿产资源定量预测方法。该方法能够很好地解决矿产资源勘查不准确，且矿产资源勘查效率低下。基于此方案，用户可以通过电脑软件输入程序，因此，用户可以放心的借助手机或电脑终端进行同步操作，对于矿产资源勘查的准确性和效率提升问题具有十分重要的意义。

为实现上述目的，本发明提供了如下技术方案：

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，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。

进一步的，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。

进一步的，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。

本发明的有益效果：