哈桑·塔勒比;犹他州米勒;Luk J.M.Peeters。;亚历克斯·奥托;帕特丽斯·德·卡里塔特;雷蒙·托洛萨纳·德尔加多;范登·布加特，K.杰拉尔德 矿产勘探目标的随机建模。 （英语） Zbl 1495.86019号 数学。Geosci公司。 54，第3号，593-621（2022）. 摘要：矿床是金属富集异常，是在广泛的时间和空间尺度上运行的各种地质过程之间相互作用的局部表现。矿产远景图是通过在矿产系统概念模型中集成几个代表关键地质过程的代理图生成的。矿产远景图的推导受到多种类型的不确定性的影响，包括系统性（矿化过程知识不足）、随机性（不完整的地球科学数据）和模型不确定性（预测模型及其参数的多种选择）。传统的矿产远景图绘制方法往往无法充分了解不同来源的不确定性以及与矿产系统组成部分相关的代理图之间的时空相关性。因此，这些传统方法存在偏见，低估了总体的不确定性。例如，使用忽略随机不确定性和空间相关性（即自相关和互相关）的单变量确定性方法映射空间代理。本研究将多元地质统计模拟与空间机器学习算法相结合，提出了一种用于预测和量化矿产勘探目标不确定性的多元随机模型。随机模型中使用的空间机器学习算法是一种基于高阶空间统计的空间感知随机森林算法。研究表明，所提出的方法可以检测与矿化类型相关的代理图中的内在异质性、空间相关性和复杂空间模式。通过一个综合案例研究，结合多种地球化学、地球物理和岩性属性，对该方法进行了说明。 引用于1文件 理学硕士： 86A32型 地质统计学 62H11型 定向数据；空间统计学 68T05型 人工智能中的学习和自适应系统 86A04型 地球物理学中的一般问题 关键词：地质统计学学习;机器学习;空间预测模型;矿产远景图;空间数据;不确定性量化 软件：QSHEP3D公司;随机生存森林;随机ForestSRC;空间ML;GeoMLA公司 PDF格式BibTeX公司 XML格式引用 \textit{H.Talebi}等人，数学。地质科学。54，第3号，593--621（2022；Zbl 1495.86019） 全文： 内政部 参考文献： [1] Agterberg FP、Bonham-Carter GF（1999），矿物勘探中的逻辑回归和证据建模权重。摘自：科罗拉多州戈尔登市第28届计算机在矿业中的应用国际研讨会（APCOM）会议记录。第490页 [2] Aloysius N，Geetha M（2017）深度卷积神经网络综述。参加：2017年国际通信与信号处理会议（ICCSP）。第588-592页 [3] 安，P。；Moon，W。；Rencz，A.，模糊集理论在综合矿产勘查中的应用，《Can J Explore Geohys》，27，1-11（1991） [4] 艾多安，D.，使用梯度计算从重力异常图中提取线性构造：应用于中央安纳托利亚，地球行星Sp，63，903-913（2011）·doi:10.5047/eps.2011.04.003 [5] 巴尼纳贾尔，E。；沙吉，Y。；Mariethoz，G.，MPS-APO:多点地质统计学的快速自动参数优化器，Stoch Environ Res风险评估（2019）·doi:10.1007/s00477-019-01742-7 [6] 巴内特，康涅狄格州；威廉姆斯，PM；Doggett，医学博士；Parry，JR，《使用现代数据挖掘技术进行矿产勘探》，《矿产行业的财富创造：整合科学、商业和教育》（2005年），美国：经济地质学家协会，美国 [7] Berkson，J.，《生物模拟逻辑函数的应用》，美国统计学会杂志，39，357（1944）·doi:10.2307/2280041 [8] GF Bonham Carter；阿特伯格，FP；Wright，DF，新斯科蒂亚金矿勘探地质数据集的集成，Photogramman Eng Remote Sens，5411585-1592（1988） [9] Boser BE，Guyon IM，Vapnik VN（1992）最佳边缘分类器的训练算法。收录：第五届计算学习理论年度研讨会——COLT’92。美国纽约州纽约市ACM出版社，第144-152页 [10] Breiman，L.，随机森林，马赫学习，45，5-32（2001）·Zbl 1007.68152号 ·doi:10.1023/A:1010933404324 [11] 布雷曼，L。；弗里德曼，J。；斯通，CJ；Olshen，RA，分类和回归树（1984），纽约州沃兹沃斯：CRC出版社，纽约州瓦兹沃斯·Zbl 0541.62042号 [12] JN伯金；Lindsay，医学博士；奥奇芬蒂，南非；Holden，E-J，《将概念和解释不确定性纳入矿产远景建模》，《地质学前沿》，第10期，1383-1396页（2019年）·doi:10.1016/j.gsf.2019.01.009 [13] Caritat P de，Cooper M（2011）《澳大利亚国家地球化学调查：澳大利亚地球化学地图集》。澳大利亚地球科学，2011/20年记录 [14] Carranza，EJM，GIS中的地球化学异常和矿产远景制图（2008），伦敦：Elsevier，伦敦 [15] EJM公司Carranza；Hale，M.，数据驱动地质约束金矿潜力绘图的证据信念函数，菲律宾碧瑶区，《矿石地质评论》，22，117-132（2003）·doi:10.1016/S0169-1368（02）00111-7 [16] 奇利斯，J-P；Delfiner，P.，《地理统计学：建模空间不确定性》（2012），纽约：威利，纽约·Zbl 1256.86007号 ·doi:10.1002/9781118136188 [17] Chung，CF；Agterberg，FP，《从地质图数据估算矿产资源的回归模型》，《国际数学地质学协会杂志》，12473-488（1980）·doi:10.1007/BF010228881 [18] 艾兹维克，J。；Mukerji，T。；Bhattacharjya，D.，《地球科学中信息的价值：整合空间建模和决策分析》（2015），剑桥：剑桥大学出版社，剑桥·doi:10.1017/CBO9781139628785 [19] 埃默里，X。；Lantuéjoul，C.，训练图像可以替代随机场模型吗？，《数学地质学》，46，133-147（2014）·Zbl 1322.65031号 ·doi:10.1007/s11004-013-9492-z [20] 埃默里，X。；Silva，DA，地质统计学应用中连续和分类变量的条件联合模拟，计算地质科学，351234-1246（2009）·doi:10.1016/j.cageo.2008.07.005 [21] 佐治亚州Feltham，《信息的价值》，Account Rev，43，684-696（1968） [22] 乔治亚诺斯，S。；格里帕，T。；Gadiaga，AN，地理随机森林：随机森林算法的空间扩展，以解决遥感和人口建模中的空间异质性，Geocarto Int（2019）·网址：10.1080/10106049.2019.1595177 [23] Goovaerts，P.，《自然资源评估的地质统计学》（1997），纽约：牛津大学出版社，纽约 [24] Hengl，T。；Heuvelink，GBM；Kempen，B.，《以250米分辨率绘制非洲土壤特性图：随机森林显著改善了当前预测》，《公共科学图书馆·综合》，第10期，第1-26页（2015年）·doi:10.1371/journal.pone.0125814 [25] Hengl，T。；努斯鲍姆，M。；Wright，MN，《随机森林作为空间和时空变量预测建模的通用框架》，PeerJ，6，e5518（2018）·doi:10.7717/peerj.5518 [26] Ishwaran，H。；乌兰巴托州科加卢；爱荷华州黑石集团；Lauer，MS，《随机生存森林》，Ann Appl Stat，2841-860（2008）·兹比尔1149.62331 ·doi:10.1214/08-AOAS169 [27] Ishwaran H，Kogalur UB（2020）《快速统一的生存、退化和分类随机森林》（RF-SRC）。R包版本2.9.3 [28] Joly，A。；Porwal，A。；McCuaig，TC，《花岗岩-塔纳米造山带造山金矿床的勘探目标：矿物系统分析、目标模型和远景分析》，《矿石地质学评论》，48，349-383（2012）·doi:10.1016/j.oregeorev.2012.05.004 [29] Karpatne，A。；埃伯特·厄普霍夫，I。；Ravela，S.，《地球科学的机器学习：挑战和机遇》，IEEE Trans Knowl Data Eng，311544-1554（2019）·doi:10.1109/TKDE.2018年2861006 [30] 克诺克斯·罗宾逊，CM；Wyborn，LAI，《迈向整体勘探战略：使用地理信息系统作为加强勘探的工具》，奥斯特J地球科学，44，453-463（1997）·doi:10.1080/08120099708728326 [31] 科鲁泽，OP；马萨诸塞州埃瑟里奇；Guj，P.，《将矿床模型与勘探中的定量风险分析和决策联系起来》，《经济地质学》，103，829-850（2008）·doi:10.2113/gsecongeo.103.4.829 [32] 刘，Y。；曹，G。；Zhao，N.，使用基于随机森林的地质统计方法改进地面PM2.5浓度绘图，环境污染，235，272-282（2018）·doi:10.1016/j.envpol.2017.12.070 [33] Lyngsie，SB；Thybo，H。；Rasmussen，TM，《来自潜在场建模的北海区域地质和构造构造》，《构造物理学》，413147-170（2006）·doi:10.1016/j.tecto.2005.10.045（文件编号：10.1016/j.tecto.2005.10.045） [34] Mariethoz，G。；Caers，J.，《多点地质统计学：训练图像随机建模》（2015），纽约：威利 [35] Mariethoz，G。；Renard，P。；Straubhaar，J.，执行多点地质统计模拟的直接采样方法，水资源研究（2010）·doi:10.1029/2008WR007621 [36] 马苏德，AA；Koike，K.，《SRTM DEM和远程地球物理数据中构造重要线性构造的自动检测和整合》，ISPRS J Photogram Remote Sens，66，818-832（2011）·doi:10.1016/j.isprsjprs.2011.08.003 [37] Matheron，G.，Traite´de Ge´ostatistique Applique´e（1962），巴黎：德希尼布，巴黎 [38] McCarthy，J.，《信息价值的衡量》，美国国家科学院院刊，42654-655（1956）·Zbl 0072.37501号 ·doi:10.1073/pnas.42.9.654 [39] McCuaig TC、Kreuzer OP、Brown WM（2007）《自欺欺人——处理矿产系统勘探方法中的模型不确定性》。在：第九届两年期SGA会议记录，矿产勘探和研究：深入挖掘，都柏林。第1435-1438页 [40] 麦克米兰，M。；Fohring，J。；哈伯，E。；Granek，J.，使用机器学习绘制造山金矿远景图，ASEG Ext Absr，2019，1-4（2019）·doi:10.1080/22020586.2019.12073020 [41] Mead，A.，《多维标度方法发展回顾》，J R Stat Soc，41，27-39（1992） [42] Meerschman，E。；皮洛特，G。；Mariethoz，G.，《使用直接采样算法进行多点统计模拟的实用指南》，《计算地球科学》，52，307-324（2013）·doi:10.1016/j.cageo.2012.09.019 [43] 迈耶，H。；Reudenbach，C。；Wöllauer，S。；Nauss，T.，机器学习应用中空间预测变量选择的重要性——从数据再现转向空间预测，Ecol Modell，411108815（2019）·doi:10.1016/j.ecolmodel.2019.108815 [44] 明顿，PD；Raiffa，H。；Schlaifer，R.，《应用统计决策理论》，《美国数学杂志》，69，72（1962）·doi:10.2307/2312767 [45] Mitchell B，Sheppard J（2019）空间偏向随机森林。In:FLAIRS会议 [46] Percival PJ（2014）航空地球物理调查指数。第14版。记录2014/014，澳大利亚地质科学，堪培拉，澳大利亚首都直辖区 [47] Porwal A、Lisitsin V、McCuaig C（2017），基于模型的矿产潜力测绘中的不确定性测绘。In：目标。澳大利亚珀斯 [48] Probst，P。；明尼苏达州赖特；Boulesteix，A.，《随机森林的超参数和调整策略》，Wiley Interdiscip Rev Data Min Knowl Discov（2019）·doi:10.1002/widm.1301 [49] Raymond O.，Liu S，Gallagher R，et al（2012）澳大利亚地表地质1:10万比例尺数据集2012版。澳大利亚地球科学局 [50] Renka，RJ，大型散乱数据集的多元插值，ACM Trans Math Softw，14，139-148（1988）·Zbl 0642.65006号 ·doi:10.1145/45054.45055 [51] Renka，RJ，算法661:QSHEP3D-散乱数据三元插值的二次Shepard方法，ACM Trans Math Softw，14，151-152（1988）·Zbl 0709.65502号 ·数字对象标识代码：10.1145/45054.214374 [52] 罗德里格斯·加利亚诺（Rodriguez-Galiano，V.）。；桑切斯·卡斯蒂略，M。；Chica-Olmo，M。；Chica-Rivas，M.，《矿产远景的机器学习预测模型：神经网络、随机森林、回归树和支持向量机的评估》，《矿石地质评论》，71，804-818（2015）·doi:10.1016/j.oregeorev.2015.01.001 [53] Schaeben，H。；Semmler，G.，《前瞻性建模中对条件独立性的追求：证据权重、增强证据权重和逻辑回归》，《Front Earth Sci》，第10期，第389-408页（2016年）·doi:10.1007/s11707-016-0595-y [54] Schaeben，H。；科斯特，S。；Semmler，G.，流行的基于光栅的前瞻性建模方法及其关系，Math Geosci（2019）·Zbl 1428.86028号 ·doi:10.1007/s11004-019-09808-6 [55] Sekulić，A。；Kilibarda，M。；Heuvelink，GBM，随机森林空间插值，遥感（2020）·doi:10.3390/rs12101687 [56] Shepard D（1968）不规则空间数据的二维插值函数。1968年第23届ACM全国会议记录。美国纽约州纽约市ACM出版社，第517-524页 [57] 歌手，DA；Kouda，R.，前馈神经网络在日本北仓区Kuroko矿床搜索中的应用，Math Geol，2811017-1023（1996）·doi:10.1007/BF02068587 [58] Talebi，H。；Lo，J。；穆勒，美国。；戈梅斯·埃尔南德斯，JJ；罗德里戈·伊拉里（Rodrigo-Ilarri，J.）。；罗德里戈·克拉维罗（Rodrigo-Clavero），ME，《联合模拟高维连续变量和类别变量的混合模型》，《瓦伦西亚地质统计学》2016，415-430（2017），查姆：斯普林格，查姆·doi:10.1007/978-3-319-46819-8_28 [59] Talebi，H。；美国米勒。；Tolosana-Delgado，R.，《通过直接采样技术联合模拟成分和分类数据——应用于提高矿产资源信心》，《计算地质学》，122，87-102（2019）·doi:10.1016/j.cageo.2018.10.013 [60] Talebi，H。；美国米勒。；Tolosana-Delgado，R.，从地球化学成分预测地表和深层地球物质，自然资源研究，28869-891（2019）·doi:10.1007/s11053-018-9423-2 [61] Talebi，H。；皮特斯，LJM；Mueller，U.，《面向地球科学的地质统计学学习：提高光谱聚类空间意识的案例研究》，《数学地球科学》，52，1035-1048（2020）·Zbl 1451.86013号 ·doi:10.1007/s11004-020-09867-0 [62] Talebi，H。；皮特斯，LJM；奥托，A。；Tolosana-Delgado，R.，《用于地球科学数据分析和建模的真正空间随机森林算法》，《数学地球科学》（2021年）·doi:10.1007/s11004-021-09946-w [63] 托洛萨纳·德尔加多，R。；van den Boogaart，K.，走向成分地球化学潜力测绘，地球化学探索者杂志，141，42-51（2014）·doi:10.1016/j.gexplo.2014.02.026 [64] Tracey R、Bacchin M、Wynne P（2007）AAGD07：澳大利亚重力的新绝对重力基准和澳大利亚国家重力数据库的新标准。发表于：ASEG2007-第19届地球物理会议，CSIRO出版社，第1-3页 [65] van den Boogaart，K。；托洛萨纳·德尔加多，R。；莱曼，M。；美国米勒。；Dimitrakopoulos，R.，关于离散和连续几何参数的联合多点模拟，应用战略矿山规划进展，745-765（2018），Cham:Springer，Cham·doi:10.1007/978-3-319-69320-043 [66] Wackernagel，H.，《多元地质统计学》（2003），柏林，海德堡：施普林格，柏林，海德堡·兹比尔1015.62128 ·doi:10.1007/978-3-662-05294-5 [67] 王，Z。；尹，Z。；Caers，J。；Zuo，R.，《基于蒙特卡洛的矿产远景制图风险回报分析框架》，《地球科学前沿》（2020年）·doi:10.1016/j.gsf..2020.02.010文件 [68] 王，P。；范，E。；Wang，P.，基于传统机器学习和深度学习的图像分类算法比较分析，模式识别Lett，141，61-67（2021）·doi:10.1016/j.patrec.2020.07.042 [69] DF Watson；菲利普，GM，反距离加权插值的改进，地理处理，2315-327（1985） [70] 黄，SE；Lee，J-G，深度学习的数据收集和质量挑战，Proc VLDB Endow，13，3429-3432（2020）·doi:10.14778/3415478.3415562 [71] 莱茵州怀伯恩；加利福尼亚州海因里希；亚利桑那州杰克斯；Hallenstein，PC，澳大利亚元古代矿物系统：基本成分和可绘制标准，澳大利亚采矿业向北看——挑战和选择，109-115（1994），澳大利亚：澳大利亚矿业和冶金研究所，澳大利亚 [72] Yousefi，M。；Carranza，EJM，矿产远景图连续值空间证据的模糊化，计算地质学，74，97-109（2015）·doi:10.1016/j.cageo.2014.10.14 [73] Zadeh，LA，模糊集，Inf Control，8，338-353（1965）·Zbl 0139.24606号 ·doi:10.1016/S0019-9958（65）90241-X [74] 张，L。；吴杰。；郝，T。；Wang，J.，使用Radon变换和梯度计算从电位场图像中自动提取线性构造，地球物理，71，J31-J40（2006）·doi:10.1190/1.2194521 [75] 左，R。；Carranza，EJM，《支持向量机：绘制矿产远景的工具》，《计算地质科学》，371967-1975（2011）·doi:10.1016/j.cageo.2010.09.014 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。