30752.多源信息耦合的成礦預(yù)測新模型研究

1、合肥工業(yè)大學(xué)博士學(xué)位論文多源信息耦合的成礦預(yù)測新模型研究姓名：陳廣洲申請學(xué)位級別：博士專業(yè)：礦物學(xué)、巖石學(xué)、礦床學(xué)指導(dǎo)教師：徐曉春201010吸收來自主、客觀方面的知識(shí)，該法利用信息量法獲得的客觀權(quán)重和來自專家的主觀權(quán)重，采用DS證據(jù)理論進(jìn)行權(quán)重的融合，獲得新的綜合權(quán)重，以此權(quán)重為基礎(chǔ)，使用專家證據(jù)權(quán)重法進(jìn)行成礦預(yù)測。預(yù)測結(jié)果表明該法可以獲得更為滿意的預(yù)測效果。5、采用處理非線性能力強(qiáng)的人工神經(jīng)網(wǎng)絡(luò)方法進(jìn)行預(yù)測。依據(jù)上述數(shù)據(jù)，根據(jù)信息量

2、法的計(jì)算結(jié)果，并參考綜合信息找礦模型中權(quán)重的賦值情況，構(gòu)建了訓(xùn)練BP人工神經(jīng)網(wǎng)絡(luò)所需的128個(gè)樣本。訓(xùn)練樣本采用1、0兩種類型數(shù)據(jù)，分別表示單元內(nèi)某個(gè)地質(zhì)條件的存在和不存在。采用MATLAB軟件，編制程序?qū)崿F(xiàn)BP人工神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和預(yù)測。根據(jù)預(yù)測數(shù)據(jù)特征，劃分四級成礦有利區(qū)，圈定靶區(qū)，得到專題圖。分析表明預(yù)測結(jié)果與先前模型的預(yù)測結(jié)果也是基本一致的。此外，針對人工神經(jīng)網(wǎng)絡(luò)的訓(xùn)練容易陷入局部極值的不足，本文采用群智能優(yōu)化算法粒子群算法進(jìn)行神

3、經(jīng)網(wǎng)絡(luò)的權(quán)值、閾值的優(yōu)化以便提升神經(jīng)網(wǎng)絡(luò)的泛化能力，并進(jìn)行了預(yù)測效果的比較。6、率先采用一種能處理各變量間復(fù)雜非線性關(guān)系的降維處理新方法投影尋蹤插值模型，將其應(yīng)用于成礦預(yù)測領(lǐng)域。采用上述的128個(gè)樣本，本文提出一種改進(jìn)的人工蟻群算法用于優(yōu)化計(jì)算求得模型的最佳投影方向，以此方向?yàn)榛A(chǔ)，計(jì)算未知單元的投影值。根據(jù)投影值的分布特征，劃分四級成礦有利區(qū)，圈定靶區(qū)，得到專題圖。分析表明該模型所得預(yù)測結(jié)果與前述方法的結(jié)果是基本一致的，該方法是有效的

4、。7、總結(jié)成礦預(yù)測的過程，可以將其看作是一模式識(shí)別問題。本文率先采用一種模式識(shí)別的新方法支持向量回歸機(jī)模型，將其應(yīng)用于成礦定位預(yù)測。模型的訓(xùn)練樣本同上，分別采用網(wǎng)格搜索法和基于群體智能優(yōu)化的方法粒子群算法來搜索最佳的模型參數(shù)。根據(jù)最佳模型參數(shù)，計(jì)算未知單元的預(yù)測值。根據(jù)其分布特征，劃分四級成礦有利區(qū)，圈定找礦靶區(qū)，獲得專題圖。預(yù)測結(jié)果表明在大多數(shù)的成礦位置上同前面模型的結(jié)果一致，同時(shí)有自己的特點(diǎn)。8、為檢驗(yàn)?zāi)芴幚矸蔷€性復(fù)雜關(guān)系的三種模型