摘要/Abstract

摘要： 分形是地质矿产领域非线性计算的重要方法,GeoDAS软件是实现该方法的有效工具,因受限于软件的紧耦合性,目前难以整合人工智能等在线计算资源.为了充分发挥分形在地学大数据处理与智能分析中的作用,本文以成矿背景异常分解技术中异常下限(阈值)估计为研究目标,提出了一种利用机器学习中线性回归算法拟合数据实现阈值自动求取的方法,在ArcGIS Pro中采用Python基于机器学习框架实现了异常下限智能计算模块.采用GeoDAS软件自带砷(As)示例数据进行两种方法对比实验.实验结果表明:机器学习方法与GeoDAS的能谱密度面积(S-A)异常分解技术所得阈值的平均差小于8%,且最小差为2.35%.此外,根据最佳阈值对异常场圈定效果与软件处理后呈现效果基本一致或完全相同,验证了采用机器学习方法自动计算阈值下限方法的有效性.


PDF全文下载地址:

http://www.progeophys.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=9986