多元地学信息挖掘中分层动量增项自适应BP算法应用研究

本文采用人工神经网络方法对地球化学信息数据进行了分析和研究,为矿区靶区预测提供支持。本文对传统BP算法进行了改进,采用分层动量增项自适应BP算法设计,并完成了样本区数据的预测分析,效果较好。

智能矿山大数据的地学信息挖掘与知识发现:以河南上房沟钼(铁)5G^(+)矿山为例

21世纪工业4.0促进了智能矿山诞生,智能矿山的地质、勘探、采矿、选矿、环境、测绘等多学科数据集构成了矿山大数据,从而促进了地球科学的数字化、信息化和智能化迅速发展。本文以河南上房沟钼(铁)矿床5G^(+)智能矿山为例,开展矿山大数据的地学信息挖掘,以凸显新工科多学科融合研究,取得了创新性成果与一系列新的地学知识发现。具体内容概括如下:(1)根据“斑岩-夕卡岩”矿床理论和找矿矿物学方法,利用钻孔数据集和露采场大比例尺填图及镜下鉴定分析,查明并构建了矿区主矿种与潜在矿种的时空三维模型,新发现了NE向构造赋矿地段、贯入式赋矿地段;(2)利用无人机遥感与地面高光谱短波红外和长波红外技术,识别并建立了矿区20多种主要蚀变矿物并构建了三维多参数矿物模型;(3)运用地球化学XRF测量和微区原位测量技术,建立了高光谱匹配的样品数据集,研发了矿区岩矿石有用和有害元素双矩阵制图软件,实现了传统地质统计学(高斯模拟、克里格插值)与机器学习(深度学习)关联的数学建模,复原并查明了2021年3—4月选矿回收率偏低的配矿矿石矿物组合及其缘由;(4)运用矿区选矿工艺矿物学的生产与实验采选矿的多期次多类型数据集(季-月-日的岩粉、泥粉、精矿、尾矿等,>1 800),研发岩粉与矿粉测试技术与分析方法,查明了上房沟钼矿的难选矿石类型及其有害矿物种类。研究结果表明,矿山多元多类型的数据集具有大数据“5V”(volume, variety, velocity, veracity, value)特征,准确管控矿山大数据的动态关联测量、分析与快速、高效评价有利于矿山智能决策和经济效益提高(回收率)。其中,高精度的多参数三维建模不仅能够深层次挖掘岩矿石的地质、构造、蚀变、矿化等信息模型,核实储量/资源量,还能满足第四代工业5G^(+)矿山的实时矿业(real-time-mining)发展的四维管控需求,例如三维空间可视化的地质矿产资源预测与评价及增储、虚拟仿真式的“年-季-月-日”动态配矿采矿、数字孪生的实时选矿等。本项研究成果为智能矿山的地质矿产深层次地学研究提供了借鉴和参考。

多元地学信息挖掘中分层动量增项自适应BP算法应用研究

地球化学元素分布规律的研究是揭示元素矿化富集及空间变化规律的重要途径之一,采用人工神经网络方法对东天山地区地球化学信息进行了研究,为矿区靶区预测提供支持.对传统BP算法进行了改进,采用分层动量增项自适应BP算法设计,并完成了样本区数据的预测分析,效果较好.