【技术实现步骤摘要】
本专利技术涉及矿产评估，具体涉及一种矿产资源潜力评估模型的生成方法、装置及存储介质。
技术介绍
1、在过去几十年里，矿产资源潜力评估一直是地质勘探领域的关键任务，旨在预测特定区域内可能存在的矿产资源数量和质量。传统的评估方法主要基于地质统计学、专家经验和地理信息系统（gis）。
2、随着信息技术的快速发展，机器学习算法逐渐被引入到矿产资源潜力评估领域。常见的机器学习算法如支持向量机（svm）、随机森林（rf）和神经网络（nn）等，这些算法能够自动从大量数据中学习特征和规律，为矿产资源潜力评估提供了更强大的工具。
3、传统矿产资源潜力评估方法和经典机器学习算法在实际应用中存在以下几个方面的缺陷：
4、数据处理能力有限：传统方法和经典机器学习算法在处理大规模、高维、复杂的地质数据时面临巨大挑战。随着地质勘探技术的不断发展，收集到的数据量日益增大，数据维度也越来越高。例如，现代地球物理勘探技术可以获取地下数百米甚至数千米深度的多波段数据，这些数据包含了丰富的地质信息，但同时也增加了数据处理和分析的难度。传统...
【技术保护点】
1.一种矿产资源潜力评估模型的生成方法，其特征在于，包括：
2.根据权利要求1所述的矿产资源潜力评估模型的生成方法，其特征在于，对目标区域的原始数据进行预处理，得到预处理数据，包括：
3.根据权利要求2所述的矿产资源潜力评估模型的生成方法，其特征在于，对目标区域的原始数据进行清洗，得到清洗后数据，包括：
4.根据权利要求2所述的矿产资源潜力评估模型的生成方法，其特征在于，从所述标准数据中筛选出与矿产资源评估相关联的数据，得到预处理数据，包括：
5.根据权利要求1所述的矿产资源潜力评估模型的生成方法，其特征在于，所述量子机...
【技术特征摘要】
1.一种矿产资源潜力评估模型的生成方法，其特征在于，包括：
2.根据权利要求1所述的矿产资源潜力评估模型的生成方法，其特征在于，对目标区域的原始数据进行预处理，得到预处理数据，包括：
3.根据权利要求2所述的矿产资源潜力评估模型的生成方法，其特征在于，对目标区域的原始数据进行清洗，得到清洗后数据，包括：
4.根据权利要求2所述的矿产资源潜力评估模型的生成方法，其特征在于，从所述标准数据中筛选出与矿产资源评估相关联的数据，得到预处理数据，包括：
5.根据权利要求1所述的矿产资源潜力评估模型的生成方法，其特征在于，所述量子机器学习模型，包括：量子支持向量机或者量子神经网络。
6.根据权利要求1...
【专利技术属性】
技术研发人员：彭扬东，李海峰，吴灏，程思远，陈森，
申请(专利权)人：中冶武勘工程技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。