我要投稿 查看投稿进度
学术期刊
在线客服
客服电话：400-188-5008
客服邮箱：service@ccnpub.com
投诉举报：feedback@ccnpub.com
人工客服

工作时间（9：00-18：00）
官方公众号

科技成果·全球共享

请选择 目标期刊

神经网络在地球物理勘探中的研究进展 下载：45 浏览：453

吴骏业1,2 郭荣文1,2 柳建新1,2 陈杭1,2 《地球科学探索》 2020年12期

摘要:
神经网络最早可追溯到20世纪40年代,是一种从经验中学习并识别数据中的复杂模式和关系的算法。经过漫长的发展之后,该方法广泛应用于语音识别、计算机视觉、目标检测、金融等领域,并呈现出与其他学科融合的局面。在地球物理领域,相较于传统的方法,神经网络的应用起步较晚。通过学习,神经网络方法能很好地获得输入与输出的复杂关系,该方法在最近十几年得到了快速的发展,是一种更健壮、更快速的方法。为了理清神经网络方法在地球物理中的应用情况和推动该方法在地球物理领域的应用发展,通过最新的文献综述,在介绍神经网络的基本理论和神经网络模型的发展基础上,分析了神经网络在地球物理数据预处理,数据解释(正演、反演等)等方面的应用现状,并探讨了神经网络在地球物理领域的发展趋势。

层状介质中大地电磁场信号时域阻抗分析 下载：64 浏览：392

吴鸿卿1,2 严家斌1,2 王慧1,2 李大雁3 《地球科学探索》 2020年5期

摘要:
在大地电磁测深中观测得到的电磁场信号十分微弱,具有非稳定特性,观测信号易受到噪声的干扰,使用基于稳定电磁信号稳定的频率域阻抗张量的估计方法,导致计算的电阻率准确度差。为了能保证非稳定信号阻抗的准确性和可靠性,从频率域传递函数出发并对其求解,利用傅里叶变换得到时域传递函数,经过推导得到时间域中求解阻抗的表达式。最后模拟得到了层状介质中时域大地电磁测深曲线,并与频率域大地电磁理论曲线对比分析。结果表明:时域比频域估算阻抗或电阻率更准确。

基于深度学习的山东大尹格庄金矿床深部三维预测模型 下载：45 浏览：442

邓浩1,2 郑扬1陈进1,2 魏运凤1毛先成1,2 《地球科学探索》 2020年2期

摘要:
在隐伏矿体三维预测中,预测模型的准确性在很大程度上取决于找矿指标对矿化富集部位的指示性。然而,找矿指标容易受到找矿概念模型可靠性和成矿信息提取有效性限制,从而影响预测的准确性。论文以山东大尹格庄金矿隐伏矿体三维预测为例,基于深度学习方法,构建矿床深部隐伏矿体三维预测模型,旨在利用深度网络模型,学习获得对矿化具有显著指示性的找矿指标,提升三维预测的准确性。该方法将三维地质模型及其形态特征转换为适合卷积网络二维图像,采用卷积神经网络实现找矿指标的自动提取,并构建三维地质模型到矿化富集地段的定量关联。利用该方法建立了大尹格庄金矿的三维预测模型,经与几种人工建立找矿指标预测模型的对比分析,表明基于深度学习的预测模型较大地提升了预测准确性。

胶西北金矿集区深部成矿构造三维建模与找矿意义 下载：67 浏览：484

毛先成1,2 王琪1,2 陈进1,2 邓浩1,2 刘占坤1,2 王金利1,2 陈建平3,4 肖克炎5 《地球科学探索》 2020年2期

摘要:
胶西北地区是我国最大的金矿集区,近年来深部资源勘探在胶西北地区取得重大成果。深部勘探显示,胶西北深部金矿体的产出规律与浅部一致,严格受区域走滑断裂控制,因此深部资源的增储极大程度上依赖于对深部成矿构造形态、分布与结构等的认识程度。本文提出深部成矿构造三维建模方法,综合利用地质、地球物理、地球化学勘查等数据,建立浅部建模与深部推断相结合的初始模型,进而,采用多源数据耦合处理的方法,构建胶西北金矿集区三山岛断裂、焦家断裂和招平断裂三条断裂带地下3000 m以浅的深部成矿构造三维模型。基于深部成矿构造三维模型,圈定了研究区深部金矿的12个找矿靶区,对深部找矿具有重要意义。

山东大尹格庄金矿床深部三维定量成矿预测 下载：65 浏览：403

陈进1 毛先成1 邓浩2 《地球科学探索》 2020年2期

摘要:
大尹格庄金矿是胶西北招平断裂带中段的大型金矿床,但随着逐渐的开采其保有资源量不断下降,急需在矿床的深边部区域开展接续资源找矿工作。本文以大尹格庄金矿为研究对象,以区域成矿理论和找矿勘查模型为指导,利用三维地质建模技术构建了相关地质体的三维模型,在此基础上,采用定量化的方法提取地质体与成矿相关的控矿因素指标和矿化指标,并建立了三维定量成矿预测模型,并应用该模型圈定了3个找矿靶区。研究表明,该方法能够适用于大中型矿山的深边部找矿工作,其三维及定量化的预测结果能够为后续的勘探及开采工作提供重要参考。
[1/1]
|<
<
1
>
>|
在线客服：：点击联系客服
联系电话：：400-188-5008
客服邮箱：：service@ccnpub.com
投诉举报：：feedback@ccnpub.com
人工客服

工作时间（9：00-18：00）
官方公众号

科技成果·全球共享