本發明提出了一種基于樣本失衡的深度學習礦產資源分類預測方法及系統,本發明將研究區分為礦床區、成礦遠景區和背景區,若成礦遠景區中存在化探數據異常的區域,則能夠間接說明該區域具有較高的礦化概率且表現出與已知礦床的化探數據特征相似性更高。利用深度學習的方式來分析并確定成礦遠景區內化探數據異常的區域,然后將已知礦床區和所得化探異常區兩者的空間數據特征視為神經網絡的學習對象,用于習得化探數據與礦化之間的客觀規律。為了防止神經網絡對背景區的空間數據特征過擬合等問題,引入損失權重和懲罰損失對傳統的交叉熵損失函數做出改進。本發明能夠在較少的礦靶區地球化學數據中找出礦化規律以在新的地球化學數據中預測礦化概率。
聲明:
“基于樣本失衡的深度學習礦產資源分類預測方法及系統” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)