一种不同类别样本模型的铀成矿有利区预测方法技术

本发明专利技术属于铀矿预测领域，具体涉及一种不同类别样本模型的铀成矿有利区预测方法，该方法包括：步骤1、对砂岩型铀成矿样本特征和标签进行量化处理，建立铀成矿信息样本集合；步骤2、设置聚类分析参数，使用聚类分析技术对步骤1的砂岩型铀成矿样本进行分类，获得聚类分析结果；步骤3、对步骤2计算出的聚类分析结果进行处理，获取两类铀成矿信息样本数据；步骤4、对步骤3获取的两类铀成矿信息样本数据分别进行神经网络建模，生成两类铀成矿有利区预测的神经网络模型；步骤5、根据所需要的预测精度，生成待预测区等间距规则预测点，并计算待预测点的砂岩铀成矿特征值；步骤6、使用步骤4的两个机器学习模型分别计算规则待预测点的成矿概率值；步骤7、针对规则预测点成矿概率值特征进行插值，分别获取研究区的两种预测模型对应的铀成矿概率图。本发明专利技术方法相较于传统方法可以获得更多的预测信息，为地质专家最终圈定有利区提供更多预测参考信息。

【技术实现步骤摘要】

本专利技术属于铀矿预测领域，具体涉及一种不同类别样本模型的铀成矿有利区预测方法。

技术介绍

1、成矿预测和有利地段优选通常是在综合地质分析的基础上，结合各种统计分析方法，研究各类地质变量的相互关系进行预测工作。神经网络就是善于把握各种因素间的复杂非线性关系，能模拟人脑进行抽象思维的能力，从而能对各种复杂关系作用下的期望结果做出判断与预测。为实现数据挖掘方法及机器学习预测等大数据应用，需要将试验区的地质、物探、化探、遥感等与成矿有关的数据与钻孔、矿化数据集合在一起，形成统一的铀矿数据集进行数据挖掘和机器学习。

2、在常规神经网络模型有利区预测研究过程中发现，即使是相同铀矿类型，比如砂岩型铀矿，也可能存在不同类别的找矿特征组合。比如同属于砂岩型铀矿，巴音戈壁盆地的a地区和b地区的成矿要素特征存在差异，a地区砂岩型铀矿类别的主要特征表现为含矿目标层埋深较深、斜坡带坡度较大、地表的航放u及航放铀钍比异常值较低。而b地区的砂岩型铀矿则表现出不同的成矿特征，总体表现为含矿目标层埋深较浅，地表的航放异常比较强烈、斜坡带坡度相对较小。>

3、如果按照本文档来自技高网...

【技术保护点】

1.一种不同类别样本模型的铀成矿有利区预测方法，其特征在于，所述方法具体包括：

2.根据权利要求1所述的一种不同类别样本模型的铀成矿有利区预测方法，其特征在于，所述步骤1包括：

3.根据权利要求2所述的一种不同类别样本模型的铀成矿有利区预测方法，其特征在于，所述步骤1中栅格数据包括：地层厚度.tif、砂体厚度.tif、含砂率.tif、底板埋深.tif、底板坡度.tif、航放U.tif、航放U/TH.tif、方解石强度.tif。

4.根据权利要求3所述的一种不同类别样本模型的铀成矿有利区预测方法，其特征在于，所述步骤2包括：

<p>5.根据权利要求...

【技术特征摘要】

1.一种不同类别样本模型的铀成矿有利区预测方法，其特征在于，所述方法具体包括：

2.根据权利要求1所述的一种不同类别样本模型的铀成矿有利区预测方法，其特征在于，所述步骤1包括：

3.根据权利要求2所述的一种不同类别样本模型的铀成矿有利区预测方法，其特征在于，所述步骤1中栅格数据包括：地层厚度.tif、砂体厚度.tif、含砂率.tif、底板埋深.tif、底板坡度.tif、航放u.tif、航放u/th.tif、方解石强度.tif。

4.根据权利要求3所述的一种不同类别样本模型的铀成矿有利区预测方法，其特征在于，所述步骤2包括：

5.根据权利要求4所述的一种不同类别样本模型的铀成矿有利区预测方法，其特征在于，所述步骤2.2中聚类分析的特征参数包括：“地层厚度”、“砂体厚度”、“含砂率”、“底板埋深”、“底板坡度”、“航放u”、“航放u/th”、“剩余重力”、“方解石强度”。

6.根据权利要求4所述的一种不同类别样本模型的铀成矿有利区预测方法，其特征在于，所述步骤2.3中其它计算参数包括分类数量、最大迭代次数，其中分类数量设定为2，即将样本sample分为两类，最大迭代次数选择100。

7.根据权利要求5所述的一种不同类别样...

【专利技术属性】
技术研发人员：李瀚波，叶发旺，童勤龙，
申请(专利权)人：核工业北京地质研究院，
类型：发明
国别省市：