文献

J-GLOBAL ID：202202255956576501   整理番号：22A0805899

鉱物探査性のためのファジィ森林機械学習予測モデル:南西インド海嶺48.7°E-50.5°Eの事例研究【JST・京大機械翻訳】

Fuzzy Forest Machine Learning Predictive Model for Mineral Prospectivity: A Case Study on Southwest Indian Ridge 48.7°E-50.5°E

著者 (9件)： Liu Lushi (College of Geo-Exploration Science and Technology, Jilin University, Changchun, China) ,  Liu Lushi (Key Laboratory of Submarine Geosciences, Second Institute of Oceanography, Ministry of Natural Resources, Hangzhou, China) ,  Lu Jilong (College of Geo-Exploration Science and Technology, Jilin University, Changchun, China) ,  Tao Chunhui (College of Geo-Exploration Science and Technology, Jilin University, Changchun, China) ,  Tao Chunhui (Key Laboratory of Submarine Geosciences, Second Institute of Oceanography, Ministry of Natural Resources, Hangzhou, China) ,  Liao Shili (Key Laboratory of Submarine Geosciences, Second Institute of Oceanography, Ministry of Natural Resources, Hangzhou, China) ,  Su Cheng (Institute for Geography and Spatial Information, School of Earth Sciences, Zhejiang University, Hangzhou, China) ,  Huang Nan (Key Laboratory of Submarine Geosciences, Second Institute of Oceanography, Ministry of Natural Resources, Hangzhou, China) ,  Xu Xing (School of Oceanography, Shanghai Jiaotong University, Shanghai, China)
資料名： Natural Resources Research  (Natural Resources Research)
巻： 31  号： 1  ページ： 99-116  発行年： 2022年 
JST資料番号： W0688A  ISSN： 1520-7439  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 海底塊状硫化物(SMS)堆積物が位置する海洋環境の研究は,技術的に複雑であるだけでなく,高価である。したがって,鉱物探査性マッピングを通して探査探索空間を減らすことによって探査効率を改善することが望ましい。鉱物探査性のためのいくつかの従来の予測モデルは,少数の見通し位置に適しているが,それらは予測子変数に含まれる鉱化作用情報を完全に利用することができない。本論文では,ランダムフォレストと隔離森林モデルの利点に基づくファジィ森林モデルと呼ばれる機械学習アルゴリズムを提案した。提案モデルは,少数の見通し位置に適しているだけでなく,また,効果的に鉱化作用情報を反映する予測子変数として,バイナリ,マルチクラスカテゴリ,および連続データを同時に利用することができた。ファジーな森林モデルは,ランダム森林モデルの予測結果とファジー論理法におけるファジィ演算子を用いた分離森林モデルのそれらとの組み合わせによって得られる。南西インド海嶺の48.7°-50.5°EセグメントのSMSの見通しを地図化するために,地形,地質学および熱水プルームの予測子変数を用いてファジー森林モデルを実行した。8つの探査目標を描写し,その領域は以前の予測よりも小さく,提案した方法がさらに探査の範囲を狭めることができることを意味した。したがって,ファジー森林モデルは,小さな訓練位置のための潜在的に有用な鉱物探査性マッピング法である。Copyright International Association for Mathematical Geosciences 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 予測技法 ,  *鉱物 ,  写像 ,  *森林 ,  海洋環境 ,  鉱化作用 ,  堆積物 ,  計算機アルゴリズム ,  *モデル ,  地形 ,  *事例研究 ,  ファジィ論理 ,  *機械学習 ,  学習アルゴリズム ,  *予測モデル
準シソーラス用語： 予測子 ,  ランダムフォレスト , 【Automatic Indexing@JST】

著者キーワード (5件)： 鉱物有望性マッピング ,  機械学習 ,  海底塊状硫化物 ,  熱水活動 ,  南西インド洋海嶺

分類 (2件)： リモートセンシング一般  (AD04000L) ,  測樹学  (FF01040T)

タイトルに関連する用語 (9件)： 鉱物 ,  探査 ,  ファジィ ,  森林 ,  機械学習 ,  予測モデル ,  インド ,  海嶺 ,  研究