简介:借鉴花岗岩区单元—超单元填图理论方法,通过对乌增苏辉长岩体岩石学、岩石化学、微量元素、稀土元素等特征的研究,将岩体划分为四个单元
简介:将改进的非线性技术(GA-SVM)应用于成矿预测,为成矿有利度预测方法提供一种新思路。在分析哈图矿集区成矿有利度基础上,选取28个学习样本、10个与成矿有关的地质变量,应用基于遗传算法(GA)寻优的支持向量机(SVM)方法,对成矿有利度进行建模,并与BP神经网络模型预测结果进行比较。结果表明,GA-SVM回归预测模型能很好地拟合成矿有利度与各地质变量间的非线性关系。样本数量有限时,GA-SVM比BP神经网络具较高的拟合精度,更适合非线性成矿预测工作,具较强的推广意义。