基于PSO-CNN的深部找矿预测模型构建研究

作者：罗杰; 周仲礼; 邹天一; 刘斌; 龚灏

来源：成都理工大学学报(自然科学版), 2022, 1-16.

• 雄村Ⅱ号矿体
• PSO-CNN算法
• 找矿信息量
• 深部找矿
• 三维预测

探讨西藏雄村矿区Ⅱ号矿体成矿特征与矿体之间的关系，为深部找矿预测提供依据。通过提取多元找矿信息，在构建三维地质体模型基础上，将研究区数据按照含矿单元数与非含矿单元数为1:1构建数据集，随机将数据集分成训练集（70%）和测试集（30%），结合深度学习理论，采用卷积神经网络（CNN）算法建立深部成矿预测模型，模型参数的选择对预测的精度起着至关重要的作用，但目前模型训练大多是凭借经验手动调参的方法，这会导致难以得到最优模型，为使CNN模型在非经验指导下自主选择超参数，通过粒子群算法（PSO）对CNN超参数进行优化，将优化后的CNN模型用于预测，并将预测结果与传统方法（找矿信息量）进行对比分析。PSO-CNN算法的预测效果明显比找矿信息量方法得到的预测准确率高，体现了PSO-CNN算法在深部成矿预测中的优越性，为深部找矿提供了良好的办法支撑。

• 单位
  成都理工大学; 数理学院