论文部分内容阅读
成矿预测是在成矿预测基本理论的指导下，根据一定的成矿地质理论、成矿地质环境、成矿控制条件和找矿标志与信息，对目前还没有而将来可能成应当发现的矿床矿体做出推断解释和评价，提出潜在矿床或矿体发现的途径，从而提早发现和评价矿床的综合性研究工作。
人工神经网络方法在矿产预测中的应用，目前已经在许多国家进行探索，作为一种建模方法，它有很多优点，可以快速的实现多源数据信息的组合，将各种信息放在空间位置中进行分析，并给出定量化结果。
本文从这个角度出发，将人工智能最先进的神经网络技术引入成矿预测领域，并在这一新思想的指导下，进行了BP人工神经网络在成矿预测应用中的研究。
在成矿预测领域，BP模型是使用得较为成熟且较为有效的一种神经网络模型，但是还是很不完善的，存在一些问题，诸如容易陷入到局部极小值、收敛速度慢、网络结构和学习参数难以确定等。而遗传算法是一个不受具体问题限制的比较普适的优化算法，有较大概率收敛到全局最优解，或性能很好的次优解，因此它非常适合于解决BP模型的局部收敛性问题，同时它还可以优化神经网络的连接权系数，这就满足了求得最优BP神经网络的必要条件。因此将BP神经网络与遗传算法有机结合，充分利用它们各自的优点并克服其不足，从根本上提高神经网络解决问题的能力，具有十分重要的意义。
论文主要研究成果有：
1、在Visual C++环境下编写程序实现了成矿预测的误差反向传播(Error backPropagation)BP人工神经网络模型。BP模型的组织主要包括模型的设计、运算和模型的管理。模型设计主要是为模型运算建立数据环境，也就是建立一个包括模型训练样本集、模型参数在内的综合评价模型。模型运算建立在模型设计基础之上，利用设计完善的模型对预测样本或预测变量进行模式识别和分类，完成区域性成矿预测和资源评价。而模型的管理是为了使用户可以保存、编辑、更新其建立的模型。由于在不同的区域或研究区，具有不同的成矿地质条件，矿产资源评价及预测的对象，评价因素也会各有区别，基于不同的目的和情况需要建立相应的不同的综合评价模型，所以，为了使系统具有较好的通用性能，系统提供了一个BP模型的设计模板，由用户根据需求采用人机交互的方式，提供给系统必需的模型参数和数据，建立适当的BP模型。
2、把遗传算法(Genetic Algorithms)融入到BP人工神经网络模型中。引入遗传算法对网络结构进行了网络连接权值的全局优化。通过对比实验测试了本文提出的遗传算法改进后的BP神经网络在克服收敛速度慢和容易陷入局部最优解方面的性能，结果表明基于遗传算法的BP神经网络模型比传统的BP神经网络模型在计算精度、运行速度方面均有很大的提高。 3、在实例应用中，选择云南省个旧市东区作为研究区，经过分析研究区成矿地质背景，选取了研究区控矿因素变量，通过MORPAS将研究区进行规则网格单元划分，提取单元地质信息、并进行数据预处理，对于地质变量的数据预处理，程序中对数据进行了正规化处理和全0数值的确认操作。最后建立了一个预测模型，选择了94个有矿单元作为训练数据样本，用选定的样本来训练所构建的BP网络，用遗传算法改进后的BP网络根据教师信号(期望输出值)调整网络的权值，网络经过10713次训练收敛，用这个训练好的的权值来对94个识别样本进行识别，识别结果达84％，说明该网络模型效果较好。并用该网络尝试对没有矿化的的样本单元进行判别预测，通过BP神经网络的自动进行联想和推理，得出预测结果，根据结果圈出靶区，并对靶区进行了评价。
通过本文的研究，将遗传算法改进后的BP神经网络应用于成矿预测的尝试，可以看出人工神经网络方法解决了多源、多类型、多属性地质数据处理和分析的问题，突破了统计数学模型对成矿预测的约束和限制，是一种有效的预测的方法。为矿产资源综合评价提供了一种新思路和方法。