基于半监督神经网络的铜矿预测方法

作者：徐永洋,李孜轩,谢忠,冯斌,陈浩

摘要：将人工智能技术引入成矿预测研究中,可以提高预测效率,挖掘探测数据与结果之间的隐藏信息.利用半监督学习方法对样本构建要求低的优点,结合其在异常识别方面的应用效果,设计了基于分割准则的孤立森林与深度自编码网络的神经网络结构;基于西藏冈底斯地区的化探元素数据,对研究区内的铜矿进行了成矿预测工作,预测结果与已知矿区数据叠加效果较好,说明本文的神经网络结构能够完成成矿远景区的预测工作.

发文机构：中国地质大学地理与信息工程学院 中国地质大学国家地理信息系统工程技术研究中心 中国地质科学院地球物理地球化学勘查研究所 武汉中地先进技术研究院

关键词：铜矿成矿预测深度学习半监督神经网络copper depositmetallogenic predictiondeep learningsemi-supervised neural network

分类号： P3[天文地球—地球物理学]