基于金礦規格單元數據的機器學習方法在成礦建模分析中的應用

作者：張野,李明超,韓帥,任秋兵,朱月琴

摘要：現代金礦勘察主要是通過綜合地球化學和地質測量等數字化方法對深部礦床進行研究,所需要的人力物力成本較高。而通過分析積累的金礦規格單元數據,可以建立金礦成礦情況與相關成礦元素含量之間的非線性關系,從已有的勘查數據中尋找金礦成礦的一般規律。本文基于與金礦相關的成礦元素含量數據,分別采用邏輯斯蒂回歸、隨機森林和決策樹方法對原始數據和重采樣數據進行訓練,綜合運用召回率、精確率和準確率對模型進行評價。通過對比發現,在訓練和測試原始數據過程中,由于每組之間數據量的巨大差距,導致成礦數據被淹沒;而在訓練重采樣數據過程中,隨機森林在召回率和準確率方面均有較好的表現,分別達到了90.63%和70.78%;并最終分析了隨機森林模型中不同分類邊界對于金礦成礦情況預測結果的影響。利用不同的測量指標對模型進行評價分析,使模型更適用于金礦成礦預測,可有效地提高金礦勘察的效率。

發文機構：天津大學水利工程仿真與安全國家重點實驗室 中國地質調查局發展研究中心 自然資源部地質信息技術重點實驗室

關鍵詞：金礦床成礦預測重采樣隨機森林召回率精確率分類邊界gold mineralization predictionresamplerandom forestrecallprecisionclassification boundary

分類號： P628.1[天文地球—地質礦產勘探][天文地球—地質學]P612