基于SVM模型和空间推理的矿产资源潜力评价方法及应用-地图制图学与地理信息工程专业论文.docxVIP

THE METHOD AND APPLICATION OF MINERAL PROSPECTIVITY MAPPING BASED ON SVM AND SPATIAL-SCENE SIMILARITY A Master Thesis Submitted to University of Electronic Science and Technology of China Major: Cartography and Geographic Information Engineering Author: Wang Dang Advisor: Pro. He Binbin School : School of Resources and Environment  独 创 性 声 明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作 及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方 外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为 获得电子科技大学或其它教育机构的学位或证书而使用过的材料。与 我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的 说明并表示谢意。 作者签名： 日期： 年 月 日 论文使用授权 本学位论文作者完全了解电子科技大学有关保留、使用学位论文 的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘， 允许论文被查阅和借阅。本人授权电子科技大学可以将学位论文的全 部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描 等复制手段保存、汇编学位论文。 （必威体育官网网址的学位论文在解密后应遵守此规定） 作者签名： 导师签名： 日期： 年 月 日   摘要 矿产资源是国家经济可持续发展的基础资源之一。我国矿产资源储量大，但 人均占有量少，很多潜在矿产资源地位于中西部偏远山区，勘查难度大，成本高。 因此，如何充分利用已有海量空间地质数据，应用机器学习和人工智能等新兴信 息技术，构建高效、准确的矿产资源潜力评价模型，用于优选矿产资源勘查靶区、 减少矿产资源勘查成本，具有十分重要的科学意义和应用价值。 论文针对目前矿产资源潜力评价方法对空间关系考虑不足的问题，提出了一 种充分挖掘控矿变量和评价单元空间关系的新方法—耦合证据权与空间场景相似 性 的 矿 产 资 源 潜 力 评 价 方 法 (Weights-of-Evidence and Spatial-Scene Similarity, WESS)，并以我国青海省祁漫塔格成矿带为研究区进行详细的应用示范。同时， 针对研究区已知矿床较少的特点，采用支持向量机(Support Vector Machine, SVM) 分类算法对祁漫塔格地区的铜铁铅锌多金属矿种成矿潜力予以评价。最后，将传 统的证据权模型(Weight-of-Evidence, WOFE)与 SVM 方法和 WESS 方法进行详细 的实验效果对比。论文主要内容和成果如下： (1) 针对研究区已知矿床较少的特点，建立基于支持向量机的区域矿产资源潜 力评价方法，充分发挥 SVM 模型有效处理小样本和高维数据的优势。主要技术环 节包括选择径向基核函数构建分类模型，利用网格寻优算法确定模型需要的最优 参数，根据分类结果的概率分布确定成矿潜力指数等。 (2) 针对目前矿产资源潜力评价方法主要考虑成矿专题信息的属性融合，缺乏 对空间关系和空间场景有效处理的局限性，耦合证据权模型和空间场景相似性理 论，构建融合控矿变量属性和空间关系的矿产资源潜力评价模型。主要技术流程 包括：以评价单元为中心划分空间场景；提取场景内控矿变量和评价单元的空间 拓扑、方位以及距离关系；利用证据权模型确定控矿变量的成矿权重；计算以评 价单元为中心的空间场景和以已知矿点为中心的空间场景的相似性。该方法突破 传统方法注重成矿专题属性信息，缺乏对空间关系和空间场景有效处理的局限。 (3) 在分析祁漫塔格成矿带区域地质及铜铁铅锌多金属矿成矿特征的基础上， 分别应用证据权模型，SVM 方法和 WESS 方法进行详细的应用示范实验。将研究 区按总面积的 10%、10%、80%划分高、中、低潜力区。选择全部 54 个已知矿点 同时作为训练样本和验证样本，统计验证样本落入高、中、低潜力区的个数，WOFE 模型评价精度分别为 70.3%、5.5%、24.2%，AUC 值为 0.81；SVM 方法评价精度 分别为 70.3%、14.9%、14.8%，AUC 值为 0.86；WESS 方法评价精度分别为 88.9%、 3.7%、7.4%，AUC 值为 0.91。选择 36 个（三分之二）已知矿点用于训练，其余  18 个矿点用于验证，WOFE 模型评价精度分别为 66.7%、11.1%、22.2%，AUC 值