{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{-“日期-部件”：[[2024,5,29]]，“日期-时间”：“2024-05-29T00:51:55Z”，“时间戳”：1716943915682}，“引用-计数”：65，“发布者”：“Elsevier BV”，“许可证”：[{“开始”：{“日期-部分”：[2022,1,1]]，”日期-时间“：”2022-01-01T00:00Z“，”timestamp“：1640995200000}，”content-version“：“tdm”，“delay-in-days”：0，“URL”：“https:\/\/www.elsevier.com/tdm\/userlicense\/1.0\/”}，{“start”：{“date-parts”：[2022,1,1]]，“date-time”：“2022-01-01T00:00:00Z”，“timestamp”：1640995200000}，“content-version”：“stm-asf”，“delay-in-days”：“0，”URL“https:\\/doi.org\/10.15223\/policy-017”}，{“开始”：{“日期部分”：[2022,1,1]]，“日期时间”：“2022-01-01T00:00:00Z”，“timestamp”：1640995200000}，“content-version”：“stm-asf”，“delay-in-days”：0，“URL”：“https:\/\/doi.org\/10.15223\/policy-037”}，{“start”：{“date-parts”：[2022,1,1]]，“date-time”：“2022-01-01T00:00:00Z”，“timetamp”：6409520000}，doi.org \/10.15223 \/policy-012“}，{”开始“：{”日期部分“：[2022,1,1]]，“date-time”：“2022-01-01T00:00:00Z”，“timestamp”：1640995200000}，“content-version”：“stm-asf”，“delay-in-days”：0，“URL”：“https:\/\/doi.org\/10.15223\/policy-029”}，{“start”：{“date-parts”：[2022,1,1]]，“date-pame:”2022-01-001T00:00Z“timestamport”：1640.959520000}，-days“：0，”URL“：”https:\/\/doi.org\/10.15223\/policy-004“}]，“资助者”：[{“DOI”：“10.13039\/501100001809”，“名称”：“国家自然科学基金”，“DOI-asserted-by”：“出版商”，“奖项”：[“42102332”，“42172326”]}，{“DOI”：”10.13039\/501100012226“，“名称“：”中央高校基本科研基金“，”DOI-assert-by“：”publisher“，”奖项“：[“162301202684”]}]，“内容域”：{“domain”用法：[“elsevier.com”，“sciencedirect.com”]，“crossmark-restriction”：true}，“short-container-title”：[“Computers&Geosciences”]，”published-print“：{“date-parts”：[2022,1]]}，”DOI“：”10.1016\/j.cageo.2021.04974“，”type“：”journal-article“，”created“：{“date-ports”：[2021,10,28]]，“date-time”：“2021-10-28T17:06:35Z”，“timestamp”：1635440795000}，“页面”：“104974”，“update-policy”：“http://\/dx.doi.org\/10.1016\/elsevier_cm_policy“，”source“：“Crossref”，“is-referenced-by-count”：25，“title”：[“使用基于奇异性的联合加权方法和长短期记忆网络的矿产远景图”]，“prefix”：“10.1016”，“volume”：”158“，“author”：[{”given“：”Ziye“，‘family”：“Wang”，“sequence”：“first”，“affiliance”：[]}，{“given”：“Renguang”，“family”：“Zuo”，“sequence”：“additional”，“affiliation”：[]2]，“member”：“78”，“reference”：[{“key”：”10.1016\/j.cageo.2021.04974_bib1“，”first page“：”13“，”article-title“：”矿产潜力填图证据建模和加权逻辑回归的权重“，”volume“：“25”，“author”：“Agterberg”，“year”：“1993”，“journal-title”：“Comput.Geol.”｝，｛“key”：“10.1016\/j.cageo.20211.104974_bib2”，“doi断言者”：“crossref”，“首页”：“1”，“doi”：“10.1007\/s1053-005-4674-0”，“文章标题”：“测量矿产潜力图的性能”，“卷”：“14”，“作者”：“阿格特伯格”，“年份”：“2005”，“期刊标题”：“国家资源研究院”｝，｛“key”：“10.1016\/j.cageo.20211.104974_bib2 4英寸，“首页”：“398”，“article-title”：“地质学家地理信息系统\u2013 GIS建模”，“卷”：“13”，“作者”：“Bonham\u2013Carter”，“年份”：“1994”，“期刊标题”：“地质学家的计算机方法”}，{“key”：“10.1016\/j.cageo.2021.104974_bib5”，“首版”：“1”，“article-tiple”：“使用混合CNN\u2013LSTM深度学习模型进行2013年短期水质变量预测”，“作者”：“Barzegar”，“年份”：“2020年”，“新闻标题”：“Stoch.Environ.Res.风险评估”}，{“关键”：“10.1016\/j.cageo.2021.04974_bib6”，“doi-asserted-by”：“crossref”，“首页”：“173”，”doi“10.1023\/B:NARR.000469197758.f5”，“article-title”：“矿物潜力的证据权重建模：使用少量前景的案例研究，菲律宾阿布拉”，“卷”：“13”，“作者”：“Carranza”，“年份”：“2004”，“期刊标题”：“Nat.Resour.Res.”}，{“key”：“10.1016\/j.cageo.2021.04974_bib7”，“doi-asserted-by”：“crossref”，《首页》：“125”，“doi”：“101023\/a:101500826411”，“article-title”：“菲律宾碧瑶区金矿化潜力地质约束模糊制图”，“卷”：“10”，“作者”：“Carranza”，“年份”：“2001”，“期刊标题”：“Nat.Resour.Res.”}，{“key”：“10.1016\/j.cageo.2021.104974_bib8”，“article-title”：“GIS中的地球化学异常和矿产远景制图”，“年份”：“2009”，“期刊标题”：“勘探与环境地球化学手册”}，{“key”：“10.1016\/j.cageo.2021.104974_bib9”，“doi-asserted-by”：“crossref”，“首页”：“314”，“doi”：“101016\/j.oregeorev.2006.10.002”，“article-title”：“利用水系沉积物地球化学数据绘制奇点图，预测云南个旧未发现矿床”，“卷”：“32”，“作者”：“程”，“年份”：“2007”，“期刊标题”：“矿石地质评论”}，{“关键”：“10.1016\/j.cageo.2021.04974_bib10”，“doi-asserted-by”：“crossref”，“首页”：“27”，“doi”：“101023\/A:1021677510649”，“article-title”：“证据模糊权重法及其在矿产潜力填图中的应用”，“volume”：“8”，“author”：“Cheng”，“year”：“1999”，“journal-title“：”Nat.Resour.Res.“}，{“key”：”10.1016\/j.cageo.2021.04974_bib11“，”series-title“：“地球科学中的建模不确定性”，“author”:“Caers”，“year”：”2011“}”，{”key“：“10.1016\/j.cageo.2021.104974_bib12”，“doi-asserted-by”：“crossref”，“first page”：“279”，“doi”：“10.1023\/A:1023818214614”，“article-title”：“成分数据分析的等距对数比变换”，“volume”：”35“，“author”：“Egozcue”，“year”：“2003”，“journal-title“：”Math.Geol.“}，{”key“10.1016”：“j.cageo.2021.04974_b”ib13“，”文章标题“：“用递归神经网络生成序列”，“author”：“Graves”，“year”：“2013”，“journal-title”：“arXiv预印本arXiv:1308.0850”}，{“key”：“10.1016\/j.cageo.2021.04974_bib14”，“series-title”：《Keras深度学习》，“author”：“Gulli”，《year》：“2017”}、{“key”：《10.1016\/j.cage o.2021.104974_ib15》，“首页”：“1”，“article-title“：“通过遗传算法对LSTM网络模型进行超参数优化”，“author”：“Gorgolis”，“year”：“2019”，“journal-title”：“IEEE第十届信息、智能、系统和应用国际会议（IISA）”}，{“key”：“10.1016\/j.cageo.2021.04974_bib16”，“doi-asserted-by”：“crossref”，“first-page:“1735”，“doi”：“10.1162\/neco.1997.9.8.1735”，“article-title”：“长短期\u2013记忆”，“卷”：“9”，“作者”：“Hochreiter”，“年份”：“1997”，“日志标题”：“神经计算”}，{“key”：“10.1016\/j.cageo.2021.104974_bib17”，“doi-asserted-by”：“crossref”，“首页”：“4237”，“doi”：“101109\/TGRS.2019.2961947”，“article-tiple”蒂尔”：“基于深度ConvLSTM神经网络的高光谱图像分类的空间\u2013光谱特征提取”，“卷”：“5”，“作者”：“胡”，“年份”：“2020”，“期刊标题”：“IEEE Trans.Geosci.Rem.Sens.”}，{“关键”：“10.1016\/j.cageo.2021.04974_bib18”，“文章标题”：，“期刊标题”：“arXiv预印本arXiv:1412.6980”}，｛“key”：“10.1016\/j.cageo.20211.104974_bib19”，“首页”：“1”，“文章标题”：“深度卷积神经网络在基于二维地质大数据的找矿预测中的应用”，“作者”：“Li”，“年份”：“2019”，“期刊标题”：“neural Comput.Appl.”}，｛“key”：“10.1016\/j.cageo.2021.104974_bib20”，“doi-asserted-by”：“crossref”，“first page”：“27”，“doi”：“10.1007\/s11053-020-09742-z”，“article-title”：“矿物远景图深卷积神经网络随机\u2013滴数据增强”，“volume”：”30“，”author“：”Li“，”year“：”2021“，”journal-title“：”Nat.Resour.Res.“}，{“key”：“10.1016\/j.cageo.2021.104974_bib21”，“doi-asserted-by”：“crossref”，“first page”：“327”，“doi”：“10.1007\/s12583-020-1365-z”，“article-title”：“基于地质大数据的卷积神经网络矿产远景预测”，“volume”：《32》，“author”：“Li”，《year》：“2021”，《journal-title》：“j.Earth Sci.”}，{“key”：“10.1016\/j.cageo.2021.104974_bib22”，“doi-asserted-by”：“crossref”，“first page”：“747”，“doi”：“10.1007\/s11004-014-9534-1”，“article-title”：“概率模糊逻辑建模：使用蒙特卡罗模拟量化矿产远景模型的不确定性”，“volume”：”46“author”：“Lisitsin”，“year”：“2014”，“journal-title“：”Math.Geosci.“}，{”key“：“10.1016\/j.cageo.2021.104974_bib23”，“doi-asserted-by”：“crossref”，“first page”：“5705”，“doi”：“10.1109\/ACCESS.2017.2785229”，“article-title”：“地质数据分析中基于注意的双向选通递归单元与公路网的关系提取”，“volume”：}，{“key”：“10.1016\/j.cageo.2021.104974_bib24”，“doi-asserted-by”：“crossref”，“doi”：“101016\/j.apgeochem.2021.105043”，“article-title”：“使用GANomaly网络检测与矿化有关的地球化学异常”，“volume”：”131“，”author：“Luo”，“year”：“2021”，“journal-title“：”“Appl.Geochem.”}，{”key“10.1016 \/j.cageo.202.1049 74磅25英寸，“series-title”：“用于预测的递归神经网络：学习算法、架构和稳定性”，“author”：“Mandic”，“year”：“2001”}，{“key”：“10.1016\/j.cageo.2021.104974_bib26”，“doi-asserted-by”：“crossref”，“first page”：”3639“，“doi”：“101109\/TGRS.2016.2636241”，“article-title”：“用于高光谱图像分类的深度递归神经网络”，“volume”：“55”，“author”：“Mou”，“year”：“2017”，“journal-title”：“IEEE Trans.Geosci.Rem.Sens.”}，{“key”：”10.1016\/j.cageo.2021.04974_bib27“，”series-title“：”机器学习：概率观点“，”author“：”Murphy“，”year“：”2012“}，”{“key”：，“doi-asserted-by”：“crossref”，“first page”：“855”，“doi”：“10.1016\/j.jclinepi.2015.02.010”，“article-title”：“精密度\u2013召回曲线克服了罕见疾病中受试者操作特征曲线的乐观主义”，“量”：“68”，“作者”：“Ozenne”：“10.1016\/j.cageo.2021.104974_bib29”，“doi-asserted-by”：“crossref”，“first page”：“7321”，“doi”：“10.1007\/s12517-014-1757-4”，“article-title”：“目标检测算法在使用ASTER图像识别氧化铁中的应用：伊朗塞姆南省北部的案例研究”，“volume”：”8“author”：“Rahimzadegan”，”“year”：“2015”，“journal-title”：“Arabian journal of Geosciences”}，{“key”：“10.1016\/j.cageo.2021.104974_bib30”，“doi-asserted-by”：“crossref”，“first-pages”：“818”，“doi”：“101016\/j.rser.2014.11.079”，“article-title“GIS环境中使用模糊逻辑和二进制指数叠加评估地热潜力的未来展望”，“volume”：《43C》，“author”：“Sadeghi”，“year”：“2015”，“journal-title”：“Renew.Sustain.Energy Rev.”}，{“key”：“10.1016\/j.cageo.2021.104974_bib32”，“series-title”：《瑞典VMS矿床相关复杂地球化学异常的识别与验证》，“author”：“Sadesghi”、“year“2019”}、{“key”：：“矿产勘查地球化学异常不确定性的量化”，“作者”：“Sadeghi”，“年份”：“2020”}，{“键”：“10.1016\/j.cageo.2021.104974_bib34”，“doi-asserted-by”：“crossref”，“doi”：“101016\/j.oregeorev.2021.04302”多重分形建模：基于样品与矿化距离表征地球化学模式的新方法”，“体积”：“137”，“作者”：“Sadeghi”，“年份”：“2021”，“期刊标题”：“矿石地质学”。Rev.“}，{“key”：“10.1016\/j.cageo.2021.104974_bib35”，“doi-asserted-by”：“crossref”，“doi”：“101016\/j.oregeorev.2020.103875”，“article-title”：“浓度-浓度分形建模：变量之间相关性的新见解，以响应潜在控制地质-地球化学过程的变化”，“author”：“Sadeghi”，“year”：“2021”，“期刊标题”：“矿石地质。版次“}，{“key”：“10.1016\/j.cageo.2021.104974_bib36”，“首页”：“1”，“article-title”：“矿床建模的递归神经网络方法”，“author”：“Singh”，“year”：“2018”，“journal-title“：“IEEE第四届信息技术最新进展国际会议”}，“key“：”10.1016\/j.cage o.2021.04974_bb37“，“doi-asserted-by”：“crossref“，”first page“：”263“，”DOI“：”10.1016\/0375-6742（79）90004-9“，”article-title“：”地球化学勘探中的因子分析“，”volume“：“11”，”author“：”Tripathi“，“year”：“1979”，“journal-title”：“J.Geochem。探索。“}，{”key“：”10.1016\/j.cageo.2021.104974_bib38“，”doi-asserted-by“：”crossref“，”first page“：“5929”，“doi”：“10.1007\/s10462-020-09838-1”，“article-title”：“2013年长短期记忆模型综述”，“volume”：“53”，“author”：“Van Houdt”，“year”：“2020”，“journal-title“：”Artif.Intell.Rev.\/j.cageo.2021.104974_bib39“，”doi-asserted-by“：”crossref“，”doi“：”10.1016\/j.cageo.2020.104445“，”article-title“：”不同递归神经网络滑坡易感性绘图的比较研究“，”volume“：”138“，“author”：“Wang”，“year”：“2020”，“journal-title”：“Compute”。地质科学。“}，{”key“：”10.1016\/j.cageo.2021.104974_bib40“，”doi-asserted-by“：”crossref“，”first page“：“2297”，“doi”：“10.1016\/j.gsf.2020.02.010”，“article-title”：“基于Monte Carlo\u2013的矿产勘查风险收益分析框架”，“volume”：“11”，“author”：“Wang”，“year”：“2020”，“journal-title“：”Geoscience Frontiers“}”，{“key”：“”10.1016\/j.cageo.2021.104974_bib41“，”doi-asserted-by“：”crossref“，”first page“：”189“，“doi”：“10.1007\/s11053-019-09510-8”，“article-title”：“通过semi\u2013监督随机森林绘制矿产远景图”，“volume”：“29”，“author”：“Wang”，“year”：“2020”，“journal-title“：”Nat.Resour。研究“}，{”key“：”10.1016\/j.cageo.2021.104974_bib42“，”doi-asserted-by“：”crossref“，”first page“：“813”，“doi”：“10.1007\/s12583-015-0597-9”，“article-title”：“中国福建省铁矿床空间分析：对矿产勘查的启示”，“volume”：“26”，“author”：“Wang”，“year”：“2015”，“journal-title“：”j.Earth Sci.“}”，{“key”：”10.1016\/j.cageo.2021.104974_bib43“，”doi-asserted-by“：”crossref“，”first page“：”1285“，”doi“：”10.1007\/s11053-019-09471-y“，”article-title“：”通过整合随机森林和度量学习方法绘制地球化学异常“，”volume“：“28”，“author”：“Wang”，“year”：“2019”，“journal-title”：“Nat.Resour”。Res.“}，{”key“：”10.1016\/j.cageo.2021.104974_bib44“，”doi-asserted-by“：”crossref“，”first page“：“122”，“doi”：“10.1016\/j.gexplo.2017.03.017”，“article-title”：“应用空间加权奇异性映射方法识别浙西北浅成低温热液Ag和Pb\u2013Zn多金属矿化相关地球化学异常”，“volume”：“189”，“作者”：“肖”，“年份”：“2018”，“期刊标题”：“J.Geochem。探索。“}，{”key“：”10.1016\/j.cageo.2021.104974_bib45“，”doi-asserted-by“：”crossref“，”first page“：“18”，“doi”：“10.1016\/j.cage o.2017.0.005”，“article-title”：“基于GIS\u2013的矿产远景图稀有事件逻辑回归”，“volume”：“111”，“author”：“Xiong”，“year”：“2018”，“journal-title“：”Compute.Geosci.“}”，{“key”：”10.1016\/j.cageo.2021.104974_bib46“，”doi-asserted-by“：”crossref“，”first page“：”811“，”doi“：”10.1016\/j.oregeorev.2018.1006“，”article-title“：”通过大数据分析和深度学习算法绘制矿产远景图“，”volume“：“102”，”author“：”Xiong“，”year“：”2018“，”journal title“：“Ore Geol”。Rev.“}，{“key”：“10.1016\/j.cageo.2021.104974_bib47”，“doi-asserted-by”：“crossref”，“doi”：“101016\/j.cageo.2020.104484”，“article-title”：“通过结合深度学习和一个\u2013类支持向量机识别矿产勘查的多元地球化学异常”，“volume”：”140“author”：“Xiong”，“year”：“2020”，“journal-title:”计算。地质科学。“}，{”key“：”10.1016\/j.cageo.2021.104974_bib48“，”article-title“：”使用堆叠卷积去噪自动编码器进行地球化学异常识别的稳健特征提取“，”author“：”Xiong“，”year“：”2021“，”journal-title”：“Math.Geosci.”}，“key”：“10.1016\/j.cage o.2021.04974_bb49”，“doi-asserted-by”：“crossref”，“first page”：”99“，”doi“：”10.1016\/S0375-6742（97）00029-0“，“文章标题”：“中国地球化学填图”，“卷”：“60”，“作者”：“谢”，“年份”：“1997”，“期刊标题”：《地球化学杂志》。探索。“}，{”key“：”10.1016\/j.cageo.2021.104974_bib50“，”doi-asserted-by“：”crossref“，”first page“：“88”，“doi”：“10.1016\/j.gexplo.2013.013”，“article-title”：“使用河流沉积物数据绘制地球化学异常的加权流域-流域图，用于矿物势建模”，“volume”：“128”，“author”：“Yousefi”，“year”：“2013”，“journal-title:”j。地球化学。探索。“}，{”key“：”10.1016\/j.cageo.2021.104974_bib51“，”doi-asserted-by“：”crossref“，”first page“：“94”，“doi”：“10.1016\/j.gexplo.2015.10.008”，“article-title”：“数据\u2013-driven logistic\u2013-based weighting of glochetical and geological evidence layers in mineral prospectivity mapping”，“volume”：“164”，“author”：“Yousefi”，”“year”：“2016”，“journal-title“：”j。地球化学。探索。“}，{”key“：”10.1016\/j.cageo.2021.104974_bib52“，”doi-asserted-by“：”crossref“，”first page“：“47”，“doi”：“10.1016\/j.jafrearsci.2016.04.019”，“article-title”：“使用离散化和连续空间证据值的联合评分和模糊逻辑矿产远景图”，“volume”：“128”，“author”：“Yousefi”，“year”：“2017”，“journal-title“：”j。非洲。地球科学。“}，{”key“：”10.1016\/j.cageo.2021.104974_bib53“，”first page“：交叉参考“，”第一页“：”53“，”DOI“：”10.1016\/j.oregeorev.2013.09.009“，”article-title“：”磁铁矿Sr\u2013Nd\u2013Pb同位素系统学：对中国南方马坑铁矿床成因的启示“，”卷“：”57“，”作者“：”张“，”年份“：”2014“，”期刊标题“：”矿石地质。Rev.“}，{”key“：”10.1016\/j.cageo.2021.104974_bib55“，”doi-asserted-by“：”crossref“，”first page“：“663”，“doi”：“10.1007\/s00531-014-1096-4”，“article-title”：“华南马坑铁矿床的成矿年龄：来自U\u2013Pb和Sm\u2013Nd年代学的启示”，“volume”：“104”，“author”：“Zhang”，“year”：“2015”，“journal-title“：”Int.j。地球科学。“｝，｛”key“：”10.1016\/j.cageo.20211.104974_bib56“，”doi断言“：”crossref“，”首页“：”556“，”doi“：”10.1007\/s1430-01-5178-3“，”文章标题“：”模糊证据权重和随机森林的比较研究，用于绘制中国闽西南成矿带矽卡岩型铁矿床的矿产远景“，”卷“：”59“，”作者：“张”，“年份”：“2016年”，“新闻标题”：“科学。中国地球科学。“}，{”key“：”10.1016\/j.cageo.2021.104974_bib57“，”series-title“：”第32届神经信息处理系统会议（NeurIPS）“，”article-title“：“训练带噪声标签的深度神经网络的广义交叉熵损失”，“author”：“Zhang”，“year”：“2018”}，“key”：“10.1016\/j.cage o.2021.04974_ib58”，“doi-asserted-by”：“crossref”，“doi”：“10.1016 \/j.apgeochem.2021.104994“，“article-title”：“使用深度卷积神经网络和像素对特征法检测与矿化相关的多元地球化学异常”，“体积”：“130”，“作者”：“张”，“年份”：“2021”，“期刊标题”：“应用。地球化学。“}，{”key“：”10.1016\/j.cageo.2021.104974_bib59“，”doi-asserted-by“：”crossref“，”first page“：“1011”，”doi“：”101007\/s11053-020-09789-y“，”article-title“：”无监督卷积自动编码网络和监督卷积神经网络联合应用数据驱动的矿产远景填图“，”volume“：30”，“author”：“Zhang”，“year”：“”2021年，“新闻标题”：“自然资源。研究“}，{”key“：”10.1016\/j.cageo.2021.104974_bib60“，”article-title“：”使用改进的生成对抗网络识别与矿化相关的多元地球化学异常“，”author“：”Zhang“，”year“：”2021“，”journal-title”：“Ore Geol.Rev.”}，“key”：“10.1016\/j.cage o.2021.04974_ib61”，“doi-asserted-by”：“crossref”，“第一页“：”6854“，”DOI“：”10.3390\/s20236854“，”article-title“：”使用高光谱图像进行矿物识别的具有长短记忆（LSTM）的层次空间光谱特征提取“，”volume“：”20“，”author“：”Zhao“，”year“：”2020“，”journal-title”：“Sensors”}，{“key”：“10.1016\/j.cageo.2021.04974_bib62”，“DOI-asserted-by”：“”crossref“，”first page“：”1967“，”DOI“：”10.1016\/j.cageo.2010.09.014“，”article-title“：”Support vector machine:a tool for mapping mineral prospectivity“，”volume“：“37”，”author“：”Zuo“，”year“：”2011“，”journal-title”：“Compute”。地质科学。“}，{”key“：”10.1016\/j.cageo.2021.104974_bib63“，”doi-asserted-by“：”crossref“，”first page“：“1”，“doi”：“10.1038\/srep27127”，“article-title”：“地质特征对岩浆2013热液成矿的非线性控制作用”，“volume”：“6”，“author”：“Zuo”，“year”：“2016”，“journal-title“：”Sci.Rep.“}”，{“key”：”10.1016\/j.cageo.2021.104974_bib64“，”doi-asserted-by“：”crossref“，”first page“：”588“，”doi“：”10.1007\/s12583-017-0772-2“，”article-title“：”滑坡与调节因素之间空间关联的分形测度“，”volume“：“28”，”author“：”Zuo“，”year“：”2017“，”journal-title”：“j.Earth Sci”。“}，{”key“：”10.1016\/j.cageo.2021.104974_bib65“，”doi-asserted-by“：”crossref“，”first page“：“502”，“doi”：“10.1016\/j.oregeorev.2014.09.024”，“article-title”：“因证据缺失导致的矿产远景填图不确定性评估：中国福建省西南部矽卡岩\u2013型铁矿床案例研究”，“volume”：“71”，“author”：“”左》，“年份”：“2015年”，“期刊标题”：“矿石地质。Rev.“}，{”key“：”10.1016\/j.cageo.2021.104974_bib66“，”doi-asserted-by“：”crossref“，”first page“：“3415”，“doi”：“10.1007\/s11053-020-09700-9”，“article-title”：“Geodata science\u2013-based mineral prospectivity mapping:a review”，”volume“:”29“，”author“：”Zuo“，”year“：”2020“，”journal-title“：”Nat.Resour.Res.“}.，{“key”：“016\/j.cageo.2021.104974_bib67“，”doi-asserted-by“：”crossref“，”first page“：”3059“，”doi“：”10.1007\/s11053-021-09871-z“，”article-title“：”基于GIS\u2013的矿产远景制图中的不确定性：关键类型、潜在影响和可能的解决方案“，”volume“：“30”，”author“：”Zuo“，”year“2021”，”journal-title”：“Nat.Resour。Res.“}]，”容器标题“：[”计算机与地球科学“]，”原始标题“：[]，”语言“：”en“，”链接“：[｛”URL“：”https:\/\/api.elsevier.com/content\/article\/PII:S098300421002582？httpAccept=text\/xml“，”内容类型“：”text\/xml“，”内容版本“：”vor“，”预期应用程序“：”文本挖掘“｝，”URL“：”https:\/\/api.elsevier.com/content\/article\/PII:S0098300421002582？httpAccept=text\/plain“，”content-type“：”text\/prain“，“content-version”：“vor”，“intended-application”：“text-mining”}]，“deposed”：{“date-parts”：[2023,1,4]，“date-time”：“2023-01-04T07:27:38Z”，“timestamp”：1672817258000}，“score”：1，“resource”：{primary“URL”：“https:\\/linkinghub.elsevier.com//retrieve\/pii\/S00983004”21002582“}}，”副标题“：[]，”shorttitle“：[]，”issued“：{”date-parts“：[2022,1]]}，”references-count“：65，”alternative-id“：[”S0098300421002582“]，”URL“：”http://\/dx.doi.org\/10.1016\/j.cageo.2021.104974“，”relationship“：{}，“ISSN”：[”0098-3004“]，“ISSN-type”：[{“value”：“0098-30004”，“type”:“print”}]，“subject”：[]，“published”：{“date-parts”：[[2022,1]]}，“assertion”：[{“value”：“Elsevier”，“name”：“publisher“，”label“：”本文由“}，”{“value”：“使用基于奇异点的联合加权方法和长短期记忆网络进行矿产远景图绘制”，“name”：“articletite”，“label”：“article Title”}，{“value”：“Computers&Geosciences”，“name”：“journaltite”https:\/\/doi.org\/10.1016\/j.cageo.2021.104974“，”name“：”articlelink“，”label“：”CrossRef doi link to publisher maintained version“}，”{“value”：“article”，“name”：“content_type”，“label”：“content-type”}，{“value”：“\u00a9 2021 Elsevier Ltd.保留所有权利