專家乘積模型礦產資源評價研究

《專家乘積模型礦產資源評價研究》是依託吉林大學，由陳永良擔任項目負責人的面上項目。

基本介紹

• 中文名：專家乘積模型礦產資源評價研究
• 項目類別：面上項目
• 項目負責人：陳永良
• 依託單位：吉林大學

項目摘要

專家乘積模型用有限個獨立低維統計模型的乘積來表示複雜高維非線性綜合模型，從而使綜合模型的高維統計推斷結果不受維數災難影響。礦產資源評價是複雜高維非線性系統的建模與評價過程，其結果必然受維數災難影響，研製非線性礦產資源評價專家乘積新模型，能夠最大限度地減少礦產資源評價中的維數災難問題。鑒於此，項目組擬概括和總結專家乘積模型理論與套用研究的最新成果，借鑑專家乘積模型在手寫數字識別、人臉識別和新奇檢測等套用研究領域的成功經驗，研製基於專家乘積模型的非線性礦產資源評價新技術與新方法，開發基於GIS的礦產資源評價專家乘積模型高效算法，在試驗區創建一個專家乘積模型礦產資源評價的套用範例。項目研究工作能夠推動專家乘積模型理論的發展，完善當代非線性礦產資源評價方法體系，具有重要的理論意義和推廣套用前景。

結題摘要

專家乘積模型(PoE)用有限個獨立低維統計模型的乘積來表示複雜高維非線性綜合模型，從而使綜合模型的高維統計推斷不受“維數災難”影響。礦產資源評價是複雜高維非線性系統的建模與評價過程，其結果必然受“維數災難”影響，研製非線性礦產資源評價專家乘積新模型，能夠最大限度地減少礦產資源評價中的“維數災難”問題。專家乘積模型和Boltzmann機（BM）模型分屬於兩個完全不同的研究領域。兩者之間相交叉的部分構成了約束Boltzmann機（RBM）。約束波爾茨曼機是由兩層神經元構成的只有層間神經元存在互連的波爾茨曼機，它是一種每一個隱藏神經元表示一個“專家”的專家乘積模型。鑒於此，我們以約束Boltzmann機模型理論為核心，在概括和總結約束Boltzmann機模型理論與套用研究最新成果基礎上，借鑑該模型理論在手寫數字識別、人臉識別和新奇檢測等套用研究領域的成功經驗，把地質異常信息提取和礦產資源靶區預測融為一體，研製出多元地質異常信息自動提取和礦產靶區預測的約束波爾茨曼機模型方法體系。該方法體系主要包括：（a）基於連續約束波爾茨曼機(CRBM)的複雜地質背景中多元地球化學異常識別模型與算法；（b）基於高斯約束波爾茨曼機(GBRBM)的遙感圖像異常信息識別模型與算法；（c）基於簡單專家乘積模型（BRBM）的地質異常靶區預測模型與算法；（d）建立了面向礦產靶區預測套用的三層BM模型並進行了套用實驗研究。另外，項目組還研製出面向礦產靶區預測的核主成分回歸分析模型、遙感圖像像素級異常識別的方法以及面向遙感圖像非監督分類的核機率距離聚類模型等。以Python和VC++集成開發環境為軟體平台，研發出面向地物化遙多源地學數據分析處理、多元地質異常信息提取和地質異常礦產靶區預測的約束Boltzmann機模型體系算法軟體包。以新疆阿勒泰地區和吉林省白山地區為實驗研究區，分別進行了礦產靶區預測套用實驗和複雜地質背景中多元地球化學異常識別實驗，另外，用美國聖地亞哥189個波段的高光譜遙感數據進行高光譜遙感異常檢測實驗研究，這些實驗研究結果都取得了令人滿意的結果。項目研究工作對完善當代非線性礦產資源評價方法體系、革新遙感圖像微小目標識別技術和區域化探技術都具有重要意義。