聶 虹，朱月琴，常力恒，閆 東

(1.中國地質(zhì)大學(xué)(北京)地球科學(xué)與資源學(xué)院，北京 100083； 2.自然資源部地質(zhì)信息技術(shù)重點實驗室，北京 100037； 3.中國地質(zhì)調(diào)查局發(fā)展研究中心，北京 100037； 4.中國地質(zhì)大學(xué)(武漢)資源學(xué)院，湖北 武漢 430074； 5.中國礦業(yè)大學(xué)(北京)地球科學(xué)與測繪工程學(xué)院，北京 100083)

0 引 言

人類提升對世界的認(rèn)識能力的方法就是從現(xiàn)實世界中發(fā)現(xiàn)規(guī)律，從感性認(rèn)識上升到理性認(rèn)識。從自然科學(xué)的角度來看，人類描述自然規(guī)律的方法是用數(shù)學(xué)公式的方法，將規(guī)律用一個數(shù)學(xué)公式(或者類似的數(shù)學(xué)工具)表達，這就是所謂的模型(model)或模式(pattern)，所謂的數(shù)學(xué)建模就是從大量的數(shù)據(jù)中發(fā)現(xiàn)數(shù)量之間關(guān)系并且用數(shù)學(xué)公式的方式體現(xiàn)出來。建模首先就得有數(shù)據(jù)，隨著IT技術(shù)的興起，人類收集了海量的數(shù)據(jù)，但傳統(tǒng)的計算科學(xué)已經(jīng)越來越難以處理海量的數(shù)據(jù)。為了適應(yīng)數(shù)據(jù)量的飛速膨脹，我們需要一種新的研究工具才能更有效地進行科學(xué)計算，因此，以處理海量數(shù)據(jù)為核心的“第四范式”——數(shù)據(jù)密集型科研應(yīng)運而生。這是一個計算無處不在、軟件定義一切、數(shù)據(jù)驅(qū)動發(fā)展的新時代。

大數(shù)據(jù)技術(shù)，包括海量數(shù)據(jù)獲取技術(shù)，海量數(shù)據(jù)存儲技術(shù)，海量數(shù)據(jù)的計算技術(shù)，海量數(shù)據(jù)的分析技術(shù)和數(shù)據(jù)可視化，已成為當(dāng)前第四范式的主要工具。大數(shù)據(jù)正在引發(fā)地球科學(xué)領(lǐng)域異常深刻的革命，大數(shù)據(jù)的關(guān)鍵不在于數(shù)據(jù)的大，而在于思維的新，從數(shù)據(jù)出發(fā)，讓數(shù)據(jù)說話，依靠人工智能方法，讓機器學(xué)習(xí)、深度學(xué)習(xí)、可視分析等大數(shù)據(jù)技術(shù)逐步成為必需。大數(shù)據(jù)作為第四科學(xué)范式的研究領(lǐng)域十分寬廣，它將改變地球科學(xué)家的思維方式，從邏輯思維方式轉(zhuǎn)變?yōu)閿?shù)據(jù)驅(qū)動的關(guān)聯(lián)思維方式[1]。

如何從數(shù)據(jù)抽象出模型。從理論上講，只要有足夠代表性的樣本(數(shù)據(jù))，就可以運用數(shù)學(xué)方法找到一個或者一組模型的組合使得它非常接近真實情況。計算機技術(shù)的進步、大數(shù)據(jù)的普及使得在數(shù)據(jù)驅(qū)動下構(gòu)建模型得以實現(xiàn)，對一個問題暫時不能用簡單而準(zhǔn)確的方法解決時，可以根據(jù)以往的歷史數(shù)據(jù)，構(gòu)造出近似的模型來逼近真實情況，實際上是用計算量和數(shù)據(jù)量來換取研究時間，得到的模型雖然和真實情況有偏差但是足以指導(dǎo)實踐。機器學(xué)習(xí)，是人工智能領(lǐng)域的一個分支，其基本思想是基于數(shù)據(jù)構(gòu)建統(tǒng)計模型，并利用模型對數(shù)據(jù)進行分析和預(yù)測；而深度學(xué)習(xí)基本上是“更深層次”的機器學(xué)習(xí)，運用的都是數(shù)據(jù)驅(qū)動的思維去構(gòu)建模型。

1 研究方法與模型現(xiàn)狀分析

1.1 數(shù)據(jù)驅(qū)動下的模型構(gòu)建方法研究現(xiàn)狀

機器學(xué)習(xí)可以發(fā)揮出計算機在推理和學(xué)習(xí)等方面的能力，實現(xiàn)自動學(xué)習(xí)數(shù)據(jù)，從中提取出復(fù)雜的模式，繼而提出智能決策，在金融和醫(yī)學(xué)等領(lǐng)域越來越受到人們的關(guān)注[2]。

互聯(lián)網(wǎng)金融的興盛，每時每刻都在產(chǎn)生著海量的各類金融數(shù)據(jù)，有效地管理它們并及時地預(yù)測與分析發(fā)展其發(fā)展態(tài)勢，更深層次地挖掘出它們背后潛在規(guī)律和內(nèi)在的聯(lián)系，需要將金融數(shù)據(jù)與人工智能、機器學(xué)習(xí)等緊密地聯(lián)系起來。金融領(lǐng)域里人工智能和機器學(xué)習(xí)的應(yīng)用主要以下幾個部分：面向金融客戶的應(yīng)用、管理層面的應(yīng)用、交易及資產(chǎn)組合管理、監(jiān)管合規(guī)等[3]。金融風(fēng)險預(yù)測傳統(tǒng)上依靠經(jīng)驗判斷，隨著業(yè)務(wù)量的增大和金融數(shù)據(jù)的日益龐大，傳統(tǒng)的方法已經(jīng)無能為力，機器學(xué)習(xí)方法為金融風(fēng)險預(yù)測注入了新的動力，主要使用的機器學(xué)習(xí)算法包括人工神經(jīng)網(wǎng)絡(luò)、決策樹、K最近鄰分類算法、貝葉斯網(wǎng)絡(luò)、集成學(xué)習(xí)技術(shù)和支持向量機等。如：Chen等[4]提出了一種結(jié)合模糊邏輯和人工神經(jīng)網(wǎng)絡(luò)的混合破產(chǎn)預(yù)測模型，Min等[5]提出的一種基于支持向量機的破產(chǎn)預(yù)測模型，Chaudhuri等[6]提出一種基于模糊支持向量機的破產(chǎn)預(yù)測模型。Oliveira[7]通過組合指數(shù)平滑、自回歸積分滑動平均模型模型、人工神經(jīng)網(wǎng)絡(luò)模型和支持向量回歸機來預(yù)測金融時序數(shù)據(jù)。

1.2 數(shù)據(jù)驅(qū)動下的礦產(chǎn)預(yù)測模型研究現(xiàn)狀

礦產(chǎn)預(yù)測是礦產(chǎn)資源勘查的重要組成，經(jīng)歷了由定性預(yù)測到定量預(yù)測的過程[8](表1)，預(yù)測方法具有復(fù)雜、精細、多元信息綜合等特點。礦產(chǎn)預(yù)測的方法可以分為知識驅(qū)動(依據(jù)專家經(jīng)驗知識,各類參數(shù)由專家確定)和數(shù)據(jù)驅(qū)動[9](對成礦要素和已知礦點相關(guān)關(guān)系進行定量化分析之后，建立數(shù)學(xué)模型)。數(shù)據(jù)驅(qū)動的建模方法主要有：證據(jù)權(quán)模型[10-14]、邏輯回歸[15-16]、D-S證據(jù)理論[17-18]、模糊邏輯[19]、人工神經(jīng)網(wǎng)絡(luò)[20-21]、支持向量機[22-23]和隨機森林[24-25]等方法應(yīng)用的都很廣泛。

表1 礦產(chǎn)資源預(yù)測評價發(fā)展歷程

近年來，隨著地質(zhì)大數(shù)據(jù)時代的到來，使得礦產(chǎn)預(yù)測向定量化、智能化、三維可視化等方向發(fā)展。利用數(shù)據(jù)挖掘等技術(shù)，更深層次地識別和提取出找礦信息，分析礦產(chǎn)資源信息的空間關(guān)聯(lián)性，結(jié)合地質(zhì)、物探、化探、遙感資料，開展綜合信息礦產(chǎn)預(yù)測工作。

隨著人工智能、機器學(xué)習(xí)、深度學(xué)習(xí)的興起，機器學(xué)習(xí)和深度學(xué)習(xí)算法在礦產(chǎn)礦產(chǎn)資源評價中應(yīng)用的也比較廣泛。如：Brown[26]在礦產(chǎn)資源評價中使用了人工神經(jīng)網(wǎng)絡(luò)模型；陰江寧等[27]應(yīng)用Hopfield循環(huán)神經(jīng)網(wǎng)絡(luò)對新疆東天山的銅鎳硫化物礦床進行礦產(chǎn)資源評價；Abedi等[28]在評價斑巖銅礦資源中使用了多分類支持向量機；Carranza等[29]在預(yù)測菲律賓碧瑤地區(qū)金礦資源時使用了邏輯回歸、證據(jù)權(quán)和隨機森林三種模型。相較于以前統(tǒng)計方法，機器學(xué)習(xí)算法的優(yōu)勢在于能更好地表現(xiàn)出礦化點和空間要素之間的非線性的復(fù)雜關(guān)系。

但是機器學(xué)習(xí)算法的預(yù)測效果，仍然受很多不確定因素的影響，比如：模型的優(yōu)化，如何調(diào)整各模型的參數(shù)達到最優(yōu)，使其更加適用于礦產(chǎn)預(yù)測；訓(xùn)練樣本的選擇，訓(xùn)練樣本數(shù)據(jù)的數(shù)量和質(zhì)量對礦產(chǎn)預(yù)測也有很大的影響。

本文采用的是決策樹、支持向量機、卷積神經(jīng)網(wǎng)絡(luò)算法來構(gòu)建礦產(chǎn)預(yù)測模型，分析三個模型的性能和評價結(jié)果，找出更適合提高礦產(chǎn)預(yù)測效率的算法模型。

2 數(shù)據(jù)驅(qū)動下的礦產(chǎn)預(yù)測模型構(gòu)建

當(dāng)前的礦產(chǎn)預(yù)測工作中，應(yīng)用地質(zhì)、物探、化探、遙感等多種綜合信息來找礦，是當(dāng)下礦產(chǎn)勘查工作發(fā)展的新思路。對于研究物探、化探資料傳統(tǒng)的方法是找到各種化探和物探異常，再用地質(zhì)理論對它們進行分析和解釋。本文中，改變了傳統(tǒng)的研究思路，將地質(zhì)、物探、化探、遙感數(shù)據(jù)融合起來，將區(qū)域航磁數(shù)據(jù)與化探數(shù)據(jù)統(tǒng)一格式，同時進行計算處理。運用決策樹、支持向量機(SVM)、卷積神經(jīng)網(wǎng)絡(luò)算法(CNN)構(gòu)建礦產(chǎn)預(yù)測模型，學(xué)習(xí)區(qū)內(nèi)全部數(shù)據(jù)，提取特征，分析預(yù)測“有礦單元”，即已有礦床(點)產(chǎn)出的區(qū)域。具體工作流程如圖1所示。

圖1 建模流程圖

2.1 數(shù)據(jù)預(yù)處理(關(guān)聯(lián)分析)

2.1.1 面向礦產(chǎn)資源信息的空間關(guān)聯(lián)性分析

所謂的關(guān)聯(lián)性分析，即將多源、多類的數(shù)據(jù)綜合起來，探索出數(shù)據(jù)中潛在的相關(guān)關(guān)系和相關(guān)程度，找出數(shù)據(jù)之間的關(guān)聯(lián)性，繼而挖掘出地質(zhì)大數(shù)據(jù)中更深層次的潛在價值、地質(zhì)要素之間的共生組合規(guī)律等。

礦產(chǎn)資源數(shù)據(jù)具有空間特征、屬性特征、時間特征等。不同類型的地質(zhì)空間數(shù)據(jù)從某一個方面反映了地質(zhì)對象的屬性特征，而對于空間位置相鄰或相同的數(shù)據(jù)，在空間特征上也往往存在著相似性，屬性特征上呈現(xiàn)出一定的空間關(guān)聯(lián)性。因此，可以針對不同類型的空間數(shù)據(jù)，建立數(shù)據(jù)之間基于位置的強關(guān)聯(lián)。將不同專題類型的空間數(shù)據(jù)統(tǒng)一至相同的坐標(biāo)系統(tǒng)下，提取數(shù)據(jù)的空間屬性特征，建立數(shù)據(jù)的空間屬性數(shù)據(jù)庫。關(guān)聯(lián)性分析則是在空間數(shù)據(jù)庫的基礎(chǔ)上發(fā)現(xiàn)和挖掘不同項集之間隱藏的關(guān)聯(lián)關(guān)系。統(tǒng)計礦床產(chǎn)出位置不同的地質(zhì)現(xiàn)象、地質(zhì)體、地球化學(xué)元素等空間實體出現(xiàn)的頻數(shù)。將頻數(shù)最高的特征屬性或超過一定閾值范圍的特征屬性轉(zhuǎn)換為關(guān)聯(lián)規(guī)則[30]。

2.1.2 物化探信息綜合處理

本文是以化探資料為主要信息，結(jié)合地、物、遙資料，開展綜合信息礦產(chǎn)預(yù)測工作。需要解決兩個問題：一是精準(zhǔn)的異常下限確定——提高原始數(shù)據(jù)精度；二是有效的分幅平差處理——消除系統(tǒng)誤差，提取低緩異常信息。

目前確定異常下限的方法十多種，并且不斷有新方法被提出，不同方法確定的異常下限相差懸殊(達數(shù)倍)?；劫Y料處理的首要問題是準(zhǔn)確確定異常下限。

應(yīng)用分形理論準(zhǔn)確確定了各圖幅、各元素的正異常下限和負異常上限。

消除各圖幅系統(tǒng)誤差：①分幅定量系數(shù)補償；②分幅相鄰邊沿平均值補償，其共同的問題是低緩假異常產(chǎn)生、低緩真異常丟失。本文采取的工作方式是通過異常下限的準(zhǔn)確確定，以線性擬合方案精確的進行分幅平差處理,以確保低緩信息(異常)不被遺漏。

為使物探、化探數(shù)據(jù)能夠同時進行相關(guān)定量處理，選取以化探數(shù)據(jù)坐標(biāo)點為中心，以1 km為直徑范圍內(nèi)平差后航磁數(shù)據(jù)的最大值(ΔTd)和最小值(ΔTx)作為新的航磁參數(shù)，如此選擇即考慮到航磁的正、負異常，同時兼顧了航磁梯度帶的特征。經(jīng)整理構(gòu)建起全區(qū)樣本——即多個變量形成的定量處理的數(shù)據(jù)集。

2.2 模型構(gòu)建

選用規(guī)格單元為研究對象，以物探、化探、遙感數(shù)據(jù)為變量，構(gòu)建起礦產(chǎn)預(yù)測模型。

2.2.1 標(biāo)記數(shù)據(jù)

在經(jīng)過物化探信息綜合處理后的數(shù)據(jù)集中每一條記錄對應(yīng)一個特定的統(tǒng)計單元，數(shù)據(jù)取值為0、1。對于某一找礦證據(jù)或含礦屬性來說，1代表單元內(nèi)有礦床(點)存在或有找礦證據(jù)存在；0代表無礦或無找礦證據(jù)存在[31]。

2.2.2 訓(xùn)練集和測試集選取

從中選擇一定量的特征數(shù)據(jù)作為訓(xùn)練樣本構(gòu)建算法模型，在總數(shù)據(jù)集中隨機選取其中一半的數(shù)據(jù)，作為訓(xùn)練樣本集進行訓(xùn)練，構(gòu)造模型，其余數(shù)據(jù)作為預(yù)測集，對訓(xùn)練出的模型進行預(yù)測。

2.2.3 基于決策樹的礦產(chǎn)預(yù)測模型

決策樹(decision tree)，顧名思義，就像一棵樹，是一種特殊的樹形結(jié)構(gòu)。它類似于流程圖的結(jié)構(gòu)，其中每個內(nèi)部節(jié)點表示一個屬性上的“測試”，每個分支表示測試的結(jié)果，每個葉節(jié)點表示類標(biāo)簽(在計算所有屬性之后所采取的決定)。從根到葉的路徑代表分類規(guī)則，從而生成一棵決策樹[32]。進行從數(shù)據(jù)產(chǎn)生決策樹的機器學(xué)習(xí)技術(shù)叫做決策樹學(xué)習(xí),通俗說就是決策樹。在機器學(xué)習(xí)中，決策樹是預(yù)測模型，將預(yù)測的對象屬性與對象值之間建立一種映射關(guān)系。在做數(shù)據(jù)挖掘時，決策樹會經(jīng)常使用，既可以通過它來分析數(shù)據(jù)，也可以做預(yù)測。在做面向礦產(chǎn)預(yù)測評價的機器學(xué)習(xí)時，決策樹也是用的比較多的一種算法。

2.2.4 基于SVM的礦產(chǎn)預(yù)測模型

在機器學(xué)習(xí)中，支持向量機(support vector machine，SVM)是分類與回歸分析中分析數(shù)據(jù)的監(jiān)督式學(xué)習(xí)模型與相關(guān)的學(xué)習(xí)算法。SVM算法最初是為二值分類問題設(shè)計的，實現(xiàn)多分類的主要方法是將一個多分類問題轉(zhuǎn)化為多個二分類問題。將給定一組訓(xùn)練樣例，每個訓(xùn)練樣例標(biāo)記為屬于兩個類別中的一個或另一個，通過這樣的算法延伸，如果有k個類別的樣本的話，就可以構(gòu)造出了k個二分類SVM，SVM可被推廣為結(jié)構(gòu)化的支持向量機，推廣后標(biāo)簽空間是結(jié)構(gòu)化的并且可能具有無限的大小。SVM的優(yōu)勢體現(xiàn)在可較好地解決小樣本情況下非線性函數(shù)擬合問題，并且具有適應(yīng)性強、全局優(yōu)化、訓(xùn)練時間短、泛化性能好等優(yōu)點。

2.2.5 基于卷積神經(jīng)網(wǎng)絡(luò)的礦產(chǎn)預(yù)測模型

深度學(xué)習(xí)受到了越來越多研究者的關(guān)注，它在特征提取和建模上都有著相較于淺層模型顯然的優(yōu)勢。深度學(xué)習(xí)善于從原始輸入數(shù)據(jù)中挖掘越來越抽象的特征表示，而這些表示具有良好的泛化能力。它克服了過去人工智能中被認(rèn)為難以解決的一些問題，且隨著訓(xùn)練數(shù)據(jù)集數(shù)量的顯著增長以及芯片處理能力的劇增，它在目標(biāo)檢測和計算機視覺、自然語言處理、語音識別和語義分析等領(lǐng)域成效卓然，因此也促進了人工智能的發(fā)展。

深度學(xué)習(xí)是包含多級非線性變換的層級機器學(xué)習(xí)方法，深層神經(jīng)網(wǎng)絡(luò)是目前的主要形式，其神經(jīng)元間的連接模式受啟發(fā)于動物視覺皮層組織，而卷積神經(jīng)網(wǎng)絡(luò)(CNN)則是其中一種經(jīng)典而廣泛應(yīng)用的結(jié)構(gòu)(圖2)。

圖2 卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)

3 實踐與探索

3.1 數(shù)據(jù)準(zhǔn)備

數(shù)據(jù)來源為甘肅省北山地區(qū)(含敦煌地塊)，將其不同時期、不同測區(qū)的10份航空磁測數(shù)據(jù)資料，3 893 381個測量數(shù)據(jù)。其中1∶20萬地球化學(xué)水系沉積物測量圖幅29幅，成圖樣品間距2 km×2 km，樣品數(shù)24 825件，樣本測試元素39種。區(qū)內(nèi)現(xiàn)已發(fā)現(xiàn)Au礦床(點)109個(中型5個，小型23個，礦點61個，礦化點20個)。

經(jīng)對全區(qū)不同時期的物探、化探原始數(shù)據(jù)做分區(qū)、分幅平差處理后，消除原始數(shù)據(jù)因系統(tǒng)誤差對定量處理結(jié)果產(chǎn)生的影響，不同比例尺航磁測量數(shù)據(jù)接圖部位的平差后；然后選取以化探數(shù)據(jù)坐標(biāo)點為中心，以1 km為直徑范圍內(nèi)平差后航磁數(shù)據(jù)的最大值和最小值作為新的航磁參數(shù)。將全區(qū)按5 km間距繪制正方形網(wǎng)格，計算各網(wǎng)格范圍內(nèi)所有樣本39個化學(xué)元素的均值，選擇航磁數(shù)據(jù)的最大值和最小值(共41個變量)，整理之后便構(gòu)建起全區(qū)24 821個樣本。其中，2 500個為已知有礦單元，22 321個尚未發(fā)現(xiàn)Au礦的單元。

3.2 模型構(gòu)建

處理后的數(shù)據(jù)集24 821條記錄對應(yīng)一個特定的統(tǒng)計單元，數(shù)據(jù)取值為0、1。對于某一找礦證據(jù)或含礦屬性來說，1代表單元內(nèi)有礦床(點)存在或有找礦證據(jù)存在；0代表無礦或無找礦證據(jù)存在，其中屬性為1的為2 500個，屬性為0的為22 321。

本文中決策樹的構(gòu)造使用的是基于基尼系數(shù)的CART分類樹。①對于當(dāng)前節(jié)點的數(shù)據(jù)集為D，如果樣本個數(shù)小于閾值或者沒有特征，則返回決策子樹，當(dāng)前節(jié)點停止遞歸。②計算樣本集D的基尼系數(shù)，如果基尼系數(shù)小于閾值，則返回決策樹子樹，當(dāng)前節(jié)點停止遞歸。③計算當(dāng)前節(jié)點現(xiàn)有的各個特征的各個特征值對數(shù)據(jù)集D的基尼系數(shù)。④在計算出來的各個特征的各個特征值對數(shù)據(jù)集D的基尼系數(shù)中，選擇基尼系數(shù)最小的特征A和對應(yīng)的特征值a。根據(jù)這個最優(yōu)特征和最優(yōu)特征值，把數(shù)據(jù)集劃分成兩部分D1和D2，同時建立當(dāng)前節(jié)點的左右節(jié)點，做節(jié)點的數(shù)據(jù)集D為D1，右節(jié)點的數(shù)據(jù)集D為D2。⑤對左右的子節(jié)點遞歸的調(diào)用1-4步，生成決策樹。

本文中支持向量機參數(shù)選擇，懲罰因子C=1.0，本次研究的數(shù)據(jù)中，懲罰因子的變化對于預(yù)測結(jié)果的影響不大；核函數(shù)參數(shù)選擇徑向基核函數(shù)，表達式：K(x,z)=exp(γ‖x-z‖2)K(x,z)=exp(γ‖x-z‖2)，其中，γ大于0；分類決策參數(shù)decision_function_shape選擇OvO，OvO(one-vs-one)是指每次在所有的T類樣本里面選擇兩類樣本出來，不妨記為T1類和T2類，把所有的輸出為T1和T2的樣本放在一起，把T1作為正例，T2作為負例，進行二元分類，得到模型參數(shù)。我們一共需要T(T-1)/2次分類。

ROC曲線能很容易地查出任意界限值時的對性能的識別能力。ROC曲線越靠近左上角,試驗的準(zhǔn)確性就越高。最靠近左上角的ROC曲線的點是錯誤最少的最好閾值，其假陽性和假陰性的總數(shù)最少(圖3)。

本文中建立的卷積神經(jīng)網(wǎng)絡(luò)模型，設(shè)置32個濾波器，長度為3，寬度為3的卷積窗口，通過大量的實踐測試得來的，這個大小的卷積核最好用。卷積層數(shù)設(shè)置為4層，因為數(shù)據(jù)大小的原因，最終選擇用4層卷積來實現(xiàn)。

3.3 分析對比

從三種模型對比中，可以看出在有礦點數(shù)據(jù)的預(yù)測中，決策樹模型更精確，達到了89%，SVM模型的精確度略低，為83%，CNN模型的精確度相對偏低，只有55%；在無礦點預(yù)測判斷中，SVM模型的精度最好，達到了100%，CNN模型的精度略低為97%；召回率衡量了分類器對正例的識別能力，SVM模型在有礦點預(yù)測中召回率最高，決策樹模型的在無礦點預(yù)測中召回率更高，因此，在本次測試的數(shù)據(jù)中，CNN模型的精度和召回率偏低，決策樹模型和SVM模型準(zhǔn)確度和召回率更高，更合適這批數(shù)據(jù)的處理(表2)。

圖3 SVM模型的ROC曲線

表2 三個模型預(yù)測結(jié)果

模型取值PrecisionRecallF1-scoresupport00.990.990.9922 330決策樹10.890.900.892 491Avg/total0.980.980.982482101.000.980.9922 720SVM10.830.990.902 101Avg/total0.980.980.9824 82100.970.930.9522 321CNN10.550.750.632 500Avg/total0.930.910.9224 821

注：精度(precision)=正確預(yù)測的個數(shù)(TP)/被預(yù)測正確的個數(shù)(TP+FP)；召回率(recall)=正確預(yù)測的個數(shù)(TP)/預(yù)測個數(shù)(TP+FN)；F1=2×精度×召回率/(精度+召回率)；Avg/total：各指標(biāo)的加權(quán)平均值。

4 結(jié) 語

本文以甘肅省北山地區(qū)(含敦煌地塊)基于區(qū)域地球化學(xué)信息的物化探綜合信息的Au礦數(shù)據(jù)為例，通過對全區(qū)以1 km網(wǎng)格劃分24 821個格子(研究單元)為樣本數(shù)據(jù)進行了基于各類機器學(xué)習(xí)、深度學(xué)習(xí)方法的重新學(xué)習(xí)及分析，其預(yù)測結(jié)果基本上達到了預(yù)期結(jié)果。但模型中還有很多需要完善的地方，比如決策樹的剪枝，通過剪枝能使決策樹對訓(xùn)練數(shù)據(jù)有很好的分類能力，防止過擬合現(xiàn)象；針對當(dāng)前這組訓(xùn)練的數(shù)據(jù)，卷積神經(jīng)網(wǎng)絡(luò)模型的效果并不是很理想，可能是數(shù)據(jù)量偏少、樣本單一的原因等。在今后的工作中會逐步加以改進，構(gòu)建更合適的礦產(chǎn)預(yù)測模型。