Geosci. Front. | 基于卷积递归神经网络和地球化学调查数据的喜马拉雅造山带淡色花岗岩填图\u200B
Geoscience Frontiers
2026-01-27 07:00
文章摘要
本研究背景在于地球化学调查数据是辅助矿产勘探的一种可行岩性填图方法，而深度学习算法是近期方法学进展的重点。研究目的是开发一种联合卷积神经网络（CNN）与长短期记忆网络（LSTM）的深度学习模型（CNN-LSTM），用于基于地球化学数据对喜马拉雅造山带的淡色花岗岩进行岩性填图，以识别稀有金属矿化潜力区。结论表明，CNN-LSTM模型能有效提取特征并学习变量间交互作用，其预测性能优于CNN和随机森林；通过成功率曲线划分了高、中、低潜力区，绘制了导向性空间分布图，为区域岩性填图和降低矿产勘探决策风险提供了高效方案。
本站注明稿件来源为其他媒体的文/图等稿件均为转载稿，本站转载出于非商业性的教育和科研之目的，并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题，请作者速来电或来函联系。
京公网安备 11010802042870号
京ICP备2023020795号-1
