卷积神经网络在矿区预测中的研究与应用

发布时间：2021-04-19 20:14

　　在研究富钴结壳高产区地形特征基础上,以富钴结壳站点地理坐标为中心,获得了一平方公里的海拔高度数值矩阵作为地形特征.使用卷积神经网络的分析方法对数值矩阵进行训练,学习坡度和平整度等区域特征,将富钴结壳站点地形和其他海底地形进行区分.依据训练后获得的模型,对富钴结壳高产区进行预测,取得了较好的预测效果,结合其他因素的影响,可以提高结壳靶区选取的精准度. 

【文章来源】：工程科学学报. 2020,42(12)北大核心EICSCD

【文章页数】：8 页

【参考文献】：
期刊论文
[1]基于深度学习的矿区韧性剪切带找矿研究[J]. 肖壮,罗彬,刘友明.  世界有色金属. 2019(21)
[2]成矿预测:从二维到三维[J]. 袁峰,张明明,李晓晖,葛粲,陆三明,李建设,周宇章,兰学毅.  岩石学报. 2019(12)
[3]综合方法在多金属矿找矿靶区预测中的应用[J]. 张庆华,蒲开兴,罗洪远.  矿产勘查. 2019(04)
[4]基于VGGNet和多谱带循环网络的高光谱人脸识别系统[J]. 谢志华,江鹏,余新河,张帅.  计算机应用. 2019(02)
[5]卷积神经网络及其在矿床找矿预测中的应用——以安徽省兆吉口铅锌矿床为例[J]. 刘艳鹏,朱立新,周永章.  岩石学报. 2018(11)
[6]基于深度学习的镜下矿石矿物的智能识别实验研究[J]. 徐述腾,周永章.  岩石学报. 2018(11)
[7]大洋富钴结壳资源调查与研究进展[J]. 韦振权,何高文,邓希光,姚会强,刘永刚,杨永,任江波.  中国地质. 2017(03)
[8]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军.  计算机学报. 2017(06)
[9]基于卷积神经网络的连续语音识别[J]. 张晴晴,刘勇,潘接林,颜永红.  工程科学学报. 2015(09)
[10]世界海底富钴结壳资源分布特征[J]. 刘永刚,何高文,姚会强,杨永,任江波,郭丽华,梅燕雄.  矿床地质. 2013(06)

博士论文
[1]西北太平洋海山富钴结壳资源评价和矿区圈定[D]. 程永寿.中国海洋大学 2014
[2]海山类型与结壳成矿的关系研究[D]. 马维林.浙江大学 2006



本文编号：3148232