黏土礦物不僅對尋找黏土類礦物資源具有指示意義,而且對于區(qū)域古氣候、環(huán)境污染、石油勘探等研究都具有重要意義。但黏土礦物空間分布獲取較為困難,目前國內積累了覆蓋大部分面積的中大比例尺地球化學數據,具有分析元素多、精度高的特征,基于地球化學元素含量開展黏土礦物預測,可以為黏土礦物的空間分布研究提供新思路。如何建立地球化學元素含量和黏土礦物之間的復雜關系,是基于地球化學元素含量開展黏土礦物空間分布預測的關鍵之一。機器學習和人工智能算法的發(fā)展為建立地球化學元素與黏土礦物之間的非線性關系提供了可能,本研究基于河北平原多目標1∶20萬地球化學數據和111個表層土壤黏土礦物分析數據,利用BP神經網絡建立河北平原區(qū)地球化學元素含量與黏土礦物之間的預測模型,對河北平原區(qū)高嶺石、綠泥石、伊利石的空間分布進行預測。研究發(fā)現河北平原區(qū)高嶺石、綠泥石、伊利石等的黏土礦物分布與研究區(qū)地貌特征、土壤類型以及人為因素等都有聯系,高嶺石、綠泥石、伊利石在整個冀東平原區(qū)以及北三縣平原區(qū)含量普遍偏低,在太行山山前平原區(qū)含量普遍偏高;黏土礦物在沖積扇平原、沖積平原含量偏高,在洪積平原含量較低;河北平原區(qū)的黏土礦物在保定和唐山等... 

【文章來源】：礦產與地質. 2020,34(01)

【文章頁數】：10 頁

【部分圖文】：

河北平原區(qū)地質簡圖

通過驗證集檢驗神經網絡預測模型的泛化程度，高嶺石、綠泥石和伊利石三種黏土礦物的真實值與預測值對比折線圖（圖3、圖4、圖5）顯示，三種黏土礦物驗證集的真實值與預測值在部分極高值和極低值處差異較大，極值處差異可能是由于模型受樣本數量限制導致，但整體數據趨勢基本一致，因此模型可用于河北平原區(qū)高嶺石、綠泥石以及伊利石的分布預測。圖4 綠泥石真實值與預測值對比折線圖

神經元是神經網絡系統的基本單元，其功能相當于1個處理單元，神經元以多層結構排列，使得神經網絡包括1個輸入層、1個或多個隱藏層和1個輸出層。由于信息分布于網絡中的各個神經元中，神經網絡具有較強的魯棒性和容錯性，對數據分布要求不嚴格，具備處理數據遺漏或者錯誤的能力，能夠處理由于地球化學元素數據缺失或錯誤等引起的輕微擾動。神經網絡具有較強的信息綜合能力，可協調多種輸入信息關系，充分逼近很多復雜的非線性關系，以此可模擬黏土礦物與地球化學元素之間復雜的關系[33]。神經網絡可利用新樣本進行自我訓練，調整參數，得到新的預測模型，減少一些由于樣本數據量大引起的不必要開銷問題，這是傳統學習方式不具備的能力[34]。本研究采用單隱含層神經網絡建立黏土礦物與地球化學元素之間關系的模型，其網絡結構見圖2。其中，神經網絡的輸入為地球化學元素，輸出為黏土礦物含量預測值。預測模型決定預測結果準確性，1個合適的模型能夠更充分表示數據的內在數學關系，有利于對未知數據進行準確預測。可以通過建立1個驗證集對預測模型的泛化能力進行評估[35-36]，本研究將收集到的111個黏土礦物數據樣本劃分為訓練集和驗證集，分別用于模型的訓練和評估。由于數據樣本的黏土礦物含量分布不均勻，采用留出法將數據集劃分為兩個互斥的集合可能會造成網絡性能偏向樣本較多的數據，并采取分層抽樣對數據集進行劃分。統計每種黏土礦物各個含量范圍的樣本個數，分別提取70%的樣本作為訓練集，用于神經網絡的訓練學習，其余樣本作為驗證集，用于評估訓練好的神經網絡模型。由于地球化學元素的數量級差別較大，神經元的輸出通常都被限制在一定的范圍內，因此需要對原始數據進行歸一化處理，將數據映射到[0,1]范圍內處理，避免神經元過飽和，提升模型的收斂速度和精度[37-38]。

【參考文獻】：
期刊論文
[1]一種時頻平滑的深度神經網絡語音增強方法[J]. 袁文浩,梁春燕,婁迎曦,房超,王志強.  西安電子科技大學學報. 2019(04)
[2]基于BP神經網絡的水體葉綠素a濃度預測模型優(yōu)化研究[J]. 蔣定國,全秀峰,李飛,劉偉.  南水北調與水利科技. 2019(02)
[3]基于BP神經網絡預測輪古油田奧陶系碳酸鹽巖油藏洞穴充填程度[J]. 于聰靈,蔡忠賢,楊海軍,朱永峰,王慧.  新疆石油地質. 2018(05)
[4]基于BP神經網絡的風云四號遙感圖像云檢測算法[J]. 高軍,王愷,田曉宇,陳建.  紅外與毫米波學報. 2018(04)
[5]基于最大偏差相似性準則的BP神經網絡短期電力負荷預測算法[J]. 羅育輝,蔡延光,戚遠航,黃何列.  計算機應用研究. 2019(11)
[6]風化成土過程中自生礦物的氣候指示意義[J]. 方謙,洪漢烈,趙璐璐,程峰,殷科,王朝文.  地球科學. 2018(03)
[7]一種地質生態(tài)環(huán)境評估系統[J]. 龍曉君,鄭健松,李小建,何政偉,劉嚴松.  測繪科學. 2018(03)
[8]基于BP神經網絡的溶洞規(guī)模預測及應用[J]. 劉振華,范宏運,朱宇澤,柳尚.  中國巖溶. 2018(01)
[9]激光誘導擊穿光譜結合人工神經網絡測定地質標樣中的鐵含量[J]. 胡楊,李子涵,呂濤.  激光與光電子學進展. 2017(05)
[10]陜西鎮(zhèn)安二疊系碳酸鹽巖粘土礦物特征及其對古氣候的指示[J]. 曹婷麗,程成,李雙應,龐長興,魏星.  地質論評. 2017(02)

碩士論文
[1]河北平原土壤礦物學特征及環(huán)境意義[D]. 陳文靜.河北地質大學 2018
[2]河北平原區(qū)地貌地球化學特征研究[D]. 谷海峰.石家莊經濟學院 2011



本文編號：3421894