神經網絡和特征分析在礦產普查與勘探中的互補性探討

王威

【摘 要】針對神經網絡和特征分析在礦產普查與勘探中的互補性探討，主要從勘探技術實施中的BP神經網絡應用與特征分析整合進行了闡述，并按照技術應用將技術應用中的整合要點進行了分析，希望在本研究能夠為神經網絡與特征分析法在礦產勘查中的應用提供參考。

【Abstract】In view of the complementarity of neural network and feature analysis in mineral exploration and development， this paper mainly expounds the application of BP neural network and the integration of feature analysis in the implementation of the exploration technology. And according to the application of technology， the key points of integration in technology application are analyzed. It is hoped that this study can provide some reference for the application of neural network and feature analysis in mineral exploration.

【關鍵詞】神經網絡；礦產普查；互補性

【Keywords】neural network； mineral prospecting； complementarity

【中圖分類號】TP183 【文獻標志碼】A 【文章編號】1673-1069（2018）09-0195-02

1 BP神經網絡在礦產普查與勘探中的應用

1.1 神經網絡工作原理

神經網絡指的是在礦產普查與勘探中，按照其對應地質勘探區域內的技術控制整合的一種網狀礦產結構，其對應的結構模型建設應用在不同的領域發展中，并且按照神經網絡應用的發展趨勢不同，其對應的技術應用也出現了不同的轉變，BP神經網絡就是在神經網絡傳輸基礎之上形成的一種新型技術，在其技術的勘探處理中，應該按照其技術處理中的控制進行分析整合，只有保障了對應技術控制整合中的要點，才能滿足整體的技術控制處理需求。按照BP神經網絡的應用模型構建需求可以看出，在其模型的構建應用中，對應的模型構建主要體現在神經元介質的處理上，也就是在整個神經網絡的構成中，是由不同的神經元構成的，當神經元構成達到一定的范圍時，其對應的信息記錄就會被記錄在不同的神經元傳遞上，進而在神經元傳遞介質的控制中，也就將整個礦產勘查中的工作要點進行了落實[1]。

1.2 神經網絡工作中存在的難點

雖然在BP神經網絡的應用中已經發揮出了其技術應用勘探的技術控制要點，但是由于在整個勘探技術的處理中其對應的模型建設在預測技術的處理上還存在著一定的差異。也就是在進行地質勘探技術的處理中，其對應勘探技術處理中的技術控制和具體的神經網絡技術處理之間存在著明顯的差異，這種差異的存在影響了具體的神經網絡傳輸工作，并且在進行勘探技術的處理中，對應的神經網絡技術處理不能夠按照勘探技術處理中的神經元介質控制進行對應的記錄元信息存儲。這就造成了整個礦產勘探技術實施中，其對應勘探技術處理中的技術控制出現了明顯的偏差，影響了整體勘探技術實施要點，為了將整體的勘探技術處理要點整合，需要及時進行技術勘探實施中的神經元網絡介質處理，這樣才能滿足神經網絡技術控制實施需求。

2 神經網絡與特征分析整合勘探礦產工作要點分析

2.1 技術整合基礎

神經網絡和特征分析法整合實施中，其對應技術整合處理中，應該按照具體的技術整合基礎去調整和設計對應的勘探技術。首先，在礦產勘探技術的處理中，對應礦區勘探內的礦床元素的單元劃分處理中，其對應技術控制中的預測應該按照具體勘探技術處理中的要求進行，并且在勘探技術的處理中，需要按照具體的勘探技術實施對勘探區域內的礦產信息進行技術整合勘探，這樣才能保障在技術整合勘探處理中，能夠將整體的勘探技術應用控制要點落實。同時還能借助神經網絡技術處理中的神經元介質及時進行對應的介質技術控制，以此作為整個技術控制優化中的關鍵性要素。除此之外，在技術整合中還需要按照特征分析法和神經網絡技術處理中的進制分析控制及時優化和調整對應的礦區內技術整合，這樣才能滿足整體的礦產勘探能力提升[2]。

2.2 變量選取和單元劃分

在礦產資源的勘探與普查工作實施中，需要及時將普查勘探中的變量選取控制好，只有保障了對應區域內的礦產變量選取策略實施優化，才能為整體的技術應用勘探奠定基礎，以此作為滿足勘探技術處理的關鍵性因素。在本文的研究中，將變量選取主要從地層結構以及對應的地質構造分析進行整合。具體涉及的變量分為12部分，具體的變量轉化如表1所示：

由于在礦產普查與勘探技術的處理中，其對應技術處理中的神經網絡單元劃分也就會有所不同，應該按照具體的礦產勘探技術實施去控制對應區域內的單元神經網絡劃分。

2.3 計算流程處理

由于在礦產勘探技術處理中，其對應區域內的礦產技術勘探存在著不同的差異，造成了整體勘探技術實施中的神經網絡處理出現了新的偏差，為了將整體的勘探技術應用性能發揮，需要在勘探技術的處理中，及時按照其技術處理中的要求，將對應區域內的計算流程控制好，這樣才能保障在后續的礦產勘探技術實施中，將對應的神經網絡和具體的特征分析法應用整合，以此滿足整體技術應用控制中的技術處理實施需求。

2.3.1 BP神經網絡計算

BP神經網絡的計算中其對應的計算變量控制應該和具體的網絡訓練控制整合，核定訓練目標誤差為0.00001，讓其自行學習，然后按照具體的比例尺設計分化處理對應區域內的礦產勘探技術，保障在礦產勘探技術的處理控制中，能夠將整體的技術應用勘探能力發揮，這樣才能保障整體的勘探技術處理實施性能得到保障。選擇神經網絡單元劃分記錄的信息資源，將有礦區域和無礦區域內的信息進行劃分，然后按照其對應的計算結果去設計計算步驟，保障在計算步驟的設計處理中，能夠為整體技術應用控制能力優化提升奠定基礎，同時還能在技術的處理優化中，為整體的技術控制處理整合提供參考。

2.3.2 特征分析計算

在明確了BP神經網絡礦產勘探中的技術處理需求之后，需要按照其技術處理控制中的需求，及時進行特征分析計算，保障在特征分析處理實施中，能夠為整體的技術控制奠定基礎，同時還能保障在特征分析處理控制中，按照其對應技術控制中的單元劃分去進行對應的有礦單元整合，通過這種有礦單元劃分技術整合處理是滿足礦產勘探作業開展需求的。將對應的特征變量設為X，對應的變量Y代表不同特征要點的模型，則其對應的模型特征關系表示如下：

Y=0.0937X2+0.1105X3+0.1372X4+……0.0836S12

3 結語

綜上所述，在進行礦產普查與勘探工作的處理中，為了提升勘探技術應用能力需要按照礦產勘探技術處理中的需求，及時將神經網絡和特征分析技術整合，這樣將對應的勘探工作實施要點整合。通過本文的研究和分析，將神經網絡和特征分析在礦產普查與勘探中的互補性探討從二者工作開展結合要點處理進行了分析，整個分析分為三部分：一是技術整合技術處理；二是變量選取和單元劃分；三是計算流程處理。通過以上三點技術應用整合控制，能夠將整體技術應用控制中的技術操作要點落實，并且能夠保障在技術的處理控制實施中，實現礦產普查與勘探技術應用的控制整合能力提升。

【參考文獻】

【1】白艷姝，劉海龍.基于光譜特征分析的鋅礦產儲量物探評估[J].世界有色金屬，2016，22（16）：68-69.

【2】趙學軍，李育珍，武文斌.BP神經網絡改進TSVM的礦產資源評價模型研究[J].礦業科學學報，2016，36（2）：123-125.