本文選題：地學(xué)變量優(yōu)化選擇　切入點：多元統(tǒng)計建模　出處：《吉林大學(xué)》2016年博士論文　論文類型：學(xué)位論文

【摘要】：在數(shù)學(xué)地質(zhì)學(xué)及數(shù)字地質(zhì)科學(xué)領(lǐng)域,地學(xué)變量反映了某種地質(zhì)現(xiàn)象與過程關(guān)于時空分布的、物理的、化學(xué)的數(shù)字特征。地學(xué)變量具有時域、空域及屬性三大特征,任何地質(zhì)空間模型均由地學(xué)變量及其相互關(guān)系提供支撐。礦產(chǎn)資源預(yù)測作為數(shù)字地質(zhì)科學(xué)應(yīng)用的重要分支備受關(guān)注,由此形成了許多數(shù)學(xué)地質(zhì)學(xué)方法與技術(shù)。地學(xué)變量及其模型研究重點集中在線性或非線性數(shù)學(xué)模型構(gòu)建及其關(guān)系度量方面。地學(xué)變量的選擇與賦值是數(shù)學(xué)建模的關(guān)鍵性工作,地學(xué)變量的原始素材來源于地質(zhì)、地球物理、地球化學(xué)及遙感觀測數(shù)據(jù),但一般情況下,原始數(shù)據(jù)并不等同于地學(xué)變量,需對原始素材進(jìn)行加工、改造、轉(zhuǎn)換,方可成為地學(xué)變量,這實際上要求對原始數(shù)據(jù)進(jìn)行精細(xì)加工與信息轉(zhuǎn)換,并經(jīng)一定的篩選方法使之成為模型參數(shù)。因此,對地學(xué)空間變量的優(yōu)化選擇、轉(zhuǎn)換便成為提高礦產(chǎn)資源預(yù)測模型的可靠性、有效性的關(guān)鍵工作。綜上所述,面對復(fù)雜的多元地學(xué)數(shù)據(jù),本文從礦產(chǎn)資源預(yù)測模型穩(wěn)定性與可靠性角度來探索地學(xué)變量的結(jié)構(gòu)、關(guān)聯(lián)、優(yōu)化和篩選問題,主要工作是對復(fù)雜地學(xué)變量進(jìn)行優(yōu)化與壓縮,重點研究了在空間降維范疇內(nèi)的特征提取與特征選擇方法,即將多元統(tǒng)計模型與人工智能、進(jìn)化智能模型相結(jié)合,集成各自方法的優(yōu)勢,最終形成簡約化的、精確化的空間特征變量集合,為礦產(chǎn)資源精細(xì)化、精準(zhǔn)化預(yù)測提供重要的變量研究基礎(chǔ)。具體的研究內(nèi)容包括:(1)選擇研究區(qū)地球化學(xué)元素觀測數(shù)據(jù)及其組合異常研究作為工作對象,提取與礦產(chǎn)資源目標(biāo)直接關(guān)聯(lián)的元素變量,作為礦異常識別的直接性標(biāo)志,從而確定目標(biāo)變量。(2)在跨學(xué)科原始數(shù)據(jù)(地質(zhì)、地球化學(xué)、地球物理、遙感等)集合中提出優(yōu)選原則,構(gòu)建直接參與礦產(chǎn)預(yù)測模型的最優(yōu)變量集合。論文以吉林省白山地區(qū)1/20萬比例尺金、多金屬礦產(chǎn)資源預(yù)測為研究實例,研究成果及創(chuàng)新點包括:(1)主成分分析-因子分析-相關(guān)分析-BP神經(jīng)網(wǎng)絡(luò)(PCA-FA-CA-BP)混合算法1)以往對地球化學(xué)元素組合求異問題,通常使用基于主成分分析(PCA)的線性提取方法。但是在提取各個主成分時,經(jīng)常會出現(xiàn)主成分中各個分量的載荷系數(shù)相差不大的現(xiàn)象,導(dǎo)致主成分的主要分量地質(zhì)含義不明確從而提取失敗。本文對傳統(tǒng)的基于PCA模型的提取方法進(jìn)行了修正,即引入因子分析和相關(guān)分析模型,通過因子分析模型變換載荷系數(shù)矩陣,對主因子中的重要分量加以識別,并利用相關(guān)分析模型分析組合中的變量間相互關(guān)系,從而對元素組合異常給予合理解譯�；赑CA-FA-CA混合提取方法在白山地區(qū)水系沉積物的元素組合異常分析中,共提取出32處元素組合異常,可劃分為三個帶,I帶元素組合以Co-Mn-Ti為主,II帶元素組合以As-Au-Sb為主,III帶元素組合為Cr-Ni。劃分的元素組合異常帶地質(zhì)含義明晰且易于解譯。2)傳統(tǒng)的地球化學(xué)元素組合異常提取方法主要選擇水系沉積物中元素的含量作為主要判定指標(biāo),忽略了相關(guān)的地質(zhì)、巖石中地球化學(xué)元素等重要特征,而最終導(dǎo)致提取的元素組合異常無法直接作為典型的成礦標(biāo)志。因此,本文在對水系沉積物的地球化學(xué)元素應(yīng)用PCA-FA-CA線性模型求異后,提出了將地球化學(xué)組合異常作為主要輸入因子,佐之以巖石地球化學(xué)元素測量、巖石中微量元素含量、地質(zhì)構(gòu)造參數(shù)等多元要素特征,而通過多要素特征識別異常的問題不再是單純的水系沉積物中元素數(shù)據(jù)的線性提取問題,傳統(tǒng)識別模型不再適用�；谝陨峡紤],本文構(gòu)建了BP神經(jīng)網(wǎng)絡(luò)綜合異常識別的非線性模型,依靠分層次網(wǎng)絡(luò)的自學(xué)習(xí)與自適應(yīng)能力,完成了地質(zhì)多元要素特征到組合異常識別的非線性輸入輸出映射,最終識別出白山地區(qū)異常帶內(nèi)32處組合異常中的23處為具有一定指示意義的異常,與研究區(qū)現(xiàn)有礦點之間存在一定的空間相關(guān)關(guān)系,證明了PCA-FA-CA-BP混合算法的有效性,提高了地球化學(xué)元素組合異常識別的準(zhǔn)確率。(2)信息量-數(shù)量化理論(IQ-QT)混合算法在礦產(chǎn)資源預(yù)測模型的地質(zhì)參數(shù)變量的優(yōu)化選擇問題中,傳統(tǒng)方法通常采用單一的線性模型,例如回歸分析、logistic分析等方法,運算速率較高,但識別率相對較低。為此,本文構(gòu)建了信息量法-數(shù)量化理論(IQ-QT)混合算法,該算法首先基于信息量模型計算各個待選變量對成礦目標(biāo)的信息量值,依據(jù)信息量大小序列進(jìn)行變量初步篩選;最后根據(jù)數(shù)量化理論I模型中的減少項目法,通過逐次回歸的貢獻(xiàn)度,反復(fù)引進(jìn)與剔除變量,最終確定最佳變量組合。在保證同等運算速度的條件下,提高了模型的識別精度。(3)信息量-遺傳算法-BP神經(jīng)網(wǎng)絡(luò)(IQ-GA-BP)混合算法為進(jìn)一步提高地質(zhì)變量優(yōu)化選擇的精度,保證礦產(chǎn)資源定位與定量預(yù)測模型的預(yù)測準(zhǔn)確率,本文擴(kuò)展性得構(gòu)建了信息量-遺傳算法-BP神經(jīng)網(wǎng)絡(luò)算法(IQ-GA-BP),該算法與IQ-QT算法的唯一不同是在地學(xué)變量的二次提取過程運用遺傳算法非線性優(yōu)化選擇模型,意即從地學(xué)變量集合域編碼映射到生物基因域,在種群逐代進(jìn)化中實現(xiàn)最佳變量組合的快速搜索,完成最優(yōu)變量集合的提取。提取地質(zhì)變量后,將變量應(yīng)用在吉林省白山地區(qū)的地質(zhì)單元成礦遠(yuǎn)景預(yù)測模型中,將37個非模型地質(zhì)單元(預(yù)測單元)劃分為I級、II級和III級共三類成礦遠(yuǎn)景區(qū),經(jīng)過對現(xiàn)有礦化資料顯示的數(shù)據(jù)分析,證明該模型的識別精度更高。
[Abstract]:......
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2016
【分類號】：P628

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 周曙光;周可法;王金林;汪瑋;丁建麗;;基于暈狀特征提取的化探異常信息識別及其在成礦預(yù)測中的應(yīng)用[J];干旱區(qū)地理;2015年04期

2 李瀚波;潘蔚;趙英俊;;小波分析在礦物光譜吸收特征提取中的應(yīng)用研究[J];鈾礦地質(zhì);2015年03期

3 崔慶安;;基于主成分分析與支持向量機(jī)的能源需求預(yù)測方法[J];統(tǒng)計與決策;2013年17期

4 吳禮彬;高曙光;趙先超;陳靜靜;孫明明;楊道X;;安徽廬樅地區(qū)鐵礦資源量估算及結(jié)果對比[J];吉林大學(xué)學(xué)報(地球科學(xué)版);2013年04期

5 龍振華;程蓉;;基于人工智能的薄板電阻點焊數(shù)值分析及工藝參數(shù)優(yōu)化[J];組合機(jī)床與自動化加工技術(shù);2013年06期

6 何愛香;王平建;魏廣芬;張守祥;;基于Mel頻率倒譜系數(shù)和遺傳算法的煤矸界面識別研究[J];工礦自動化;2013年02期

7 龔鵬;李娟;胡小梅;劉修國;馬振東;;區(qū)域地球化學(xué)定量預(yù)測方法技術(shù)在礦產(chǎn)資源潛力評價中的應(yīng)用[J];地質(zhì)論評;2012年06期

8 朱曉亮;蔡群;周明亮;;基于BP神經(jīng)網(wǎng)絡(luò)和貝葉斯推理的雷達(dá)輻射源識別[J];艦船電子對抗;2012年04期

9 林暉;徐英凱;;基于主成分分析的土壤重金屬污染綜合評價研究[J];化學(xué)工程與裝備;2012年07期

10 毛德華;王宗明;羅玲;楊桄;;基于MODIS和AVHRR數(shù)據(jù)源的東北地區(qū)植被NDVI變化及其與氣溫和降水間的相關(guān)分析[J];遙感技術(shù)與應(yīng)用;2012年01期

，

本文編號：1604071