SOFMANN与FCA模型及其在隐伏矿定位预测中的应用
该论文是中国科学院地球化学研究所韩润生博士后负责的云南省省院科技合作项目"会泽铅锌矿区深部及外围隐伏矿定位预测研究"(项目编号:2000YK-04)的子课题"会泽铅锌矿区隐伏矿预测多元信息处理、数学模型研究及找矿专家工作平台开发"的部分内容.论文以现代成矿理论和现代成矿预测理论及方法为基础,以韩润生博士后对会泽铅锌矿研究取得重大突破和会泽铅锌矿长期勘探实践所证实的成矿规律和矿产勘查数据为依据,基于神经网络和模糊数学理论及方法,并融合了传统数理统计方法,设计了隐伏矿定位预测的自组织特征映射人工神经网络模型、模糊综合评判模型及模糊神经网络模型,可辅助资源危机矿山深部及外围隐伏矿的定位预测.论文的主要工作有:1)密切结合控矿因素与成矿的复杂关系,构建了隐伏矿定位预测的SOFMANN(Self-organizing Feature Mapping Artificial Neural Network)、FCA(Fuzzy Comprehensive Appraisement)和FNN(Fuzzy Neural Network)模型.SOMFANN模型具有自适应、自组织、无导师地学习控矿多元信息的特点;FCA模型可以充分发挥专家及模糊数学在处理寻找隐伏矿床中所遇到的模糊现象、模糊行为的优势;FNN利用了模糊逻辑易于表达人类知识和神经网络的分布式信息存储以及学习能力的优势.2)云南省会泽麒麟厂铅锌矿床深部隐伏矿的定位预测中,首次将所构建的前两个模型SOFMANN与FCA模型应用于该区隐伏矿的预测,预测结果与实际工程施工验证相吻合,证明所构造的模型有效.3)通过网络划分方法获取各类预测数据,能够较快地为预测模型准备所需数据.4)对所做的分析结果做了可视化的图形表达,便以专家分析成矿靶区.5)编制了三个模型的程序.建立了隐伏矿定位预测的系统流程.
隐伏矿定位预测;神经网络;模糊数学;自组织神经网络;模糊综合评判;模糊神经网络
昆明理工大学
硕士
控制理论与控制工程
李玉惠;黄德镛
2003
中文
TP183;TD679
88
2004-07-04（万方平台首次上网日期，不代表论文的发表时间）