节点文献
基于机器学习方法的地球化学异常识别与提取：以中国南岭地区钨矿为例
【机构】 中国地质大学(北京)地球科学与资源学院；
【摘要】 <正>复杂地质条件下地球化学异常的识别与提取是地质大数据和人工智能算法研究应用的热点领域之一。本研究基于极端梯度提升方法(extreme gradient boosting, XGB)针对钨矿进行地球化学异常模型训练,并对南岭地区地球化学数据异常进行识别。南岭地区是我国有色、稀有、稀土、放射性矿产资源最富集的地区之一,该地区构造复杂,多种控矿因素共同制约了不同矿种的发育。
- 【会议录名称】 2023年中国地球科学联合学术年会论文集——专题一百二十四 金属矿地球物理地球化学勘查技术进展与应用、专题一百二十五 机器学习模型创新与战略性矿产预测评价
- 【会议名称】2023年中国地球科学联合学术年会
- 【会议时间】2023-10-14
- 【会议地点】中国广东珠海
- 【分类号】TP181;P618.67;P632
- 【主办单位】中国地球物理学会