买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国地质科学院矿产资源研究所

摘要：本申请公开了一种基于多元数据的找矿靶区定位方法、系统、电子设备及存储介质。本申请通过对目标区的地质数据集、地球化学数据集、地球物理数据集进行处理，得到岩性变量、断层变量、岩体变量、地球物理M均值中心聚类分析变量、原始地球化学单元素变量、地球化学M均值中心聚类分析变量、地球化学线性降维投影变量、地球化学非线性降维分析变量，融合这些变量得到多元预测变量图层；将矿化点与非矿化点变量作为分类图层；将多元预测变量图层分别输入至少三种不同的机器学习模型，基于所有的机器学习模型的分类评估数据，选择表现最佳的机器学习模型作为最终矿点分类模型；基于最终矿点分类模型，输出目标区的矿产分布概率图。

主权项：1.一种基于多元数据的找矿靶区定位方法，其特征在于，包括：获取目标区的地质数据集、地球化学数据集、地球物理数据集；处理所述地质数据集，得到岩性变量、断层变量、岩体变量、矿化点与非矿化点变量；处理所述地球化学数据集，得到原始地球化学单元素变量、地球化学M均值中心聚类分析变量、地球化学线性降维投影变量、地球化学非线性降维分析变量；处理所述地球物理数据集，得到地球物理M均值中心聚类分析变量；融合所述岩性变量、所述断层变量、所述岩体变量、所述地球物理M均值中心聚类分析变量、所述原始地球化学单元素变量、所述地球化学M均值中心聚类分析变量、所述地球化学线性降维投影变量、所述地球化学非线性降维分析变量，得到融合后的多元预测变量图层；将所述矿化点与非矿化点变量作为分类图层；将所述多元预测变量图层分别输入至少三种不同的机器学习模型，得到所述机器学习模型输出的每个点的分类概率值，每个所述机器学习模型的分类标签均为所述分类图层；基于所有的所述机器学习模型的分类评估数据，选择表现性能最佳的所述机器学习模型作为最终矿点分类模型；基于所述最终矿点分类模型，输出所述目标区的矿产分布概率图；其中，所述处理所述地球化学数据集，得到原始地球化学单元素变量、地球化学M均值中心聚类分析变量、地球化学线性降维投影变量、地球化学非线性降维分析变量，包括：对所述地球化学数据集进行格式统一化处理，得到第一地球化学数据集；获取所述第一地球化学数据集中的缺失值，并获取缺失值比例，对于缺失值比例低于预设比例的数据计算缺失值，得到第二地球化学数据；利用点分析工具对第二地球化学数据进行光栅化处理，得到原始地球化学单元素变量；对所述第二地球化学数据中每个数据转换为对数比值数据，得到第三地球化学数据；对所述第三地球化学数据利用线性投影降维函数进行降维分析，获得双标图及特征根图；计算所述第三地球化学数据中单元素在每个低纬度空间的相对贡献值，结合所述相对贡献值、所述双标图及所述特征根图选择目标低纬度空间，将样本在所述目标低纬度空间的得分值设置为所述样本的投影降维函数转化值；将样本坐标与对应的所述投影降维函数转化值相匹配，生成投影降维函数转化可视化图；基于所述投影降维函数转化可视化图，获得地球化学线性降维投影变量；对所述第三地球化学数据进行聚类分析，得到M均值中心聚类分组结果；将所述样本坐标与所述M均值中心聚类分组结果相匹配，形成地球化学数据聚类分析可视化图；基于所述地球化学数据聚类分析可视化图，获得地球化学M均值中心聚类分析变量；对所述第三地球化学数据进行随机非线性降维分析，计算每个样本在每个非线性低维度空间方向的得分值；将样本坐标与所述得分值相匹配，生成地球化学数据非线性降维可视化图；基于地球化学数据非线性降维可视化图，获得地球化学非线性降维分析变量；所述处理所述地球物理数据集，得到地球物理M均值中心聚类分析变量，包括：对所述地球物理数据集进行M均值中心聚类分析，获得每个地球物理采样点的聚类分析分析结果；将地球物理样本坐标与所述聚类分组结果相匹配，生成地球物理数据聚类分析可视化图；基于所述地球物理数据聚类分析可视化图补充地球物理数据，并对补充后的地球物理数据集进行光栅化处理，获得所述地球物理M均值中心聚类分析变量。

全文数据：

权利要求：

百度查询： 中国地质科学院矿产资源研究所 基于多元数据的找矿靶区定位方法、系统、电子设备及存储介质