文献

J-GLOBAL ID：202002252443584729   整理番号：20A0934108

機械学習に基づく三次元鉱物生産の定量的予測は,四川ララ銅鉱を例にした。【JST・京大機械翻訳】

3D metallogenic prediction based on machine learning: A casestudy of the Lala copper deposit in Sichuan Province

著者 (6件)： Xiang Jie (中国地質科学院鉱産資源研究所/自然資源部成鉱作用与資源評价重点実験室,北京,100037) ,  Chen Jianping (中国地質大学(北京)地球科学与資源学院,北京,100083) ,  Xiao Keyan (中国地質科学院鉱産資源研究所/自然資源部成鉱作用与資源評价重点実験室,北京,100037) ,  Li Shi (中国地質大学(北京)地球科学与資源学院,北京,100083) ,  Zhang Zhiping (頁岩气勘探開発国家地方聯合工程研究中心(重慶地質鉱産研究院),重慶,401120) ,  Zhang Ye (頁岩气勘探開発国家地方聯合工程研究中心(重慶地質鉱産研究院),重慶,401120)
資料名： Dizhi Tongbao  (Dizhi Tongbao)
巻： 38  号： 12  ページ： 2010-2021  発行年： 2019年 
JST資料番号： C2674A  ISSN： 1671-2552  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 大データの盛んな発展の時代の背景において、鉱物資源の定量的予測は地質大データの核心部分として、その総合分析による多次元情報マイニングの基本的な考え方は大きいデータの理念とは合わない。例として四川拉拉銅鉱を取り上げ,機械学習に基づく3D鉱物資源の定量的予測を行った。三次元地質モデルの構築により、鉱床生成の有利な情報を抽出し、研究地区の定量的な予測モデルを構築し、「立方ブロック予測モデル」の探鉱方法に基づき、機械学習ランダム森林アルゴリズムを採用して、研究地域の鉱床生成の確率分布を計算し、5つの探鉱遠景区を確定した。結果は,ランダム森林がより高い予測精度と安定性を持ち,また,制御因子の重要性を定量的に評価できることを示した。本研究では、機械学習を3次元鉱産の定量的予測に適用し、今後の鉱物資源予測評価に積極的な探索を行った。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *鉱物 ,  制御系要素 ,  確率分布 ,  鉱物資源 ,  鉱床 ,  鉱床探査 ,  *銅鉱 ,  地質 ,  高次元 ,  *三次元 ,  *機械学習 ,  予測モデル
準シソーラス用語： 予測精度 ,  ランダムフォレスト , 【Automatic Indexing@JST】

分類 (2件)： 金属鉱床  (DE09030H) ,  鉱山評価  (UA02030P)

タイトルに関連する用語 (5件)： 機械学習 ,  鉱物 ,  定量 ,  予測 ,  銅鉱