机器学习在地球物理勘探中铀矿资源勘查的应用研究进展

作     者：韩世礼 肖健 柳位 HAN Shili;XIAO Jian;LIU Wei

作者机构：南华大学资源环境与安全工程学院湖南衡阳421001 湖南省稀有金属矿产开发与废物地质处置技术重点实验室湖南衡阳421001 

出 版 物：《铀矿地质》 (Uranium Geology)

年 卷 期：2024年第40卷第3期

页      面：555-564页

学科分类：081801[工学-矿产普查与勘探] 081802[工学-地球探测与信息技术] 081203[工学-计算机应用技术] 08[工学] 0818[工学-地质资源与地质工程] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：湖南省自然科学基金(编号:2023JJ30506)资助 

主　　题：机器学习 放射性勘探 地球物理测井 成矿预测 联合反演 

摘      要：机器学习有自动性、高准确性、可扩展性等优势,适用于大数据处理和自适应任务。在地球物理勘探中运用,可大幅提高勘探效率和准确性,促进技术进步,实现地球物理向智能化解译的发展。文章首先介绍了机器学习在地球物理领域的常用先进方法,如深度学习、深度神经网络、BP神经网络、支持向量机和随机森林的基本原理和分类特点。其次介绍了放射性勘探、地球物理测井、成矿预测和联合反演的基本原理,同时对前人在机器学习应用到这4方面地球物理领域的实际应用进行综合分析,结果表明,机器学习在这4个领域中的应用均取得了显著的效果。通过机器学习技术的应用,地球物理勘探能够取得更加全面、精准和高效的成果,同时也能推动这项技术的不断进步。