[发明专利]基于机器学习的找矿模型预测方法

摘要

本发明属于地质勘探技术领域，具体为基于机器学习的找矿模型预测方法，建立起统一且容易区分的找矿概念模型库，以各研究区的勘查数据资料为基础，通过机器学习将找矿概念模型库中现有国内外找矿模型及控矿要素与研究区数据资料进行分析和归纳，构建找矿预测模型，将找矿预测模型中控矿要素确定后，依据研究区范围提供数据资料整理清单，完善找矿概念模型的数据基础，依据立方体定量预测系统中总结出的算法，推荐控矿要素适合的算法组合，最终在找矿概念预测模型的基础上，实现定量、定位和定概率的预测评价。本发明能快速建立起某研究区的找矿模型，且所建立的找矿模型更为全面客观，更符合实际情况。

主权项

基于机器学习的找矿模型预测方法，其特征在于，包括以下过程：1)、建立找矿概念模型库在构建找矿概念预测模型时，需要整理模型名称以及所有控矿要素，建立统一的矿床成矿模式或矿床式的成矿模式；2)、找矿模型的确定(1)模型的粗筛选根据研究区的勘探程度和所收集到的资料，提取出所有控矿要素的关键词，然后采用关键词匹配法，将提取出的关键词与构建的找矿概念模型库中的关键词进行匹配，关键词包括模型名称的关键词和控矿要素的关键词；筛选出与研究区相关的m个找矿概念模型M1,M2,…,Mm，每个模型所对应的控矿要素分别为F1,F2,…,Fm；(2)找矿模型的最终确定①计算控矿要素的重要性根据筛选出的m个找矿概念模型M1,M2,…,Mm，每个模型所对应的控矿要素分别为F1,F2,…,Fm；对于第i个模型，在控矿要素数据清洗过程中按控矿地质条件类别的不同分为ci类，将所有控矿要素按照控矿地质条件类别统计，每类所对应的控矿要素个数分别为则在第i个模型的第j类中，每个控矿要素的重要性pij为：由于一个控矿要素可能出现在多个模型中，所以对于研究区中任意一个控矿要素，将其在每个模型中的重要性pij加起来得到这个控矿要素的最终重要素指标；②计算控矿要素的使用率根据筛选出的m个找矿概念模型M1,M2,…,Mm，每个模型所对应的控矿要素的个数分别为N1,N2,…,Nm，共计H个，N1+N2+…+Nm＝H，则可得某个控矿要素的使用率fi为：③确定最佳找矿概念模型最佳找矿概念模型的确定是通过朴素贝叶斯方法以找矿概念模型库中的现有数据作为训练样本，以研究区的控矿要素作为待处理数据，计算对研究区控矿要素的条件概率，判断其属于模型库中每个模型的概率；④模型的验证为了验证系统计算的正确性，通过在找矿概念模型数据库选取一个模型，删除掉其中几个控矿要素，如果模型匹配结果中有删除掉的控矿要素，即所采用的找矿概念模型的确定方法是可靠的，否则计算结果是不可靠的。