神经网络和特征分析在矿产普查与勘探中的互补性探讨

王威

【摘 要】针对神经网络和特征分析在矿产普查与勘探中的互补性探讨，主要从勘探技术实施中的BP神经网络应用与特征分析整合进行了阐述，并按照技术应用将技术应用中的整合要点进行了分析，希望在本研究能够为神经网络与特征分析法在矿产勘查中的应用提供参考。

【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.

【关键词】神经网络；矿产普查；互补性

【Keywords】neural network； mineral prospecting； complementarity

【中图分类号】TP183 【文献标志码】A 【文章编号】1673-1069（2018）09-0195-02

1 BP神经网络在矿产普查与勘探中的应用

1.1 神经网络工作原理

神经网络指的是在矿产普查与勘探中，按照其对应地质勘探区域内的技术控制整合的一种网状矿产结构，其对应的结构模型建设应用在不同的领域发展中，并且按照神经网络应用的发展趋势不同，其对应的技术应用也出现了不同的转变，BP神经网络就是在神经网络传输基础之上形成的一种新型技术，在其技术的勘探处理中，应该按照其技术处理中的控制进行分析整合，只有保障了对应技术控制整合中的要点，才能满足整体的技术控制处理需求。按照BP神经网络的应用模型构建需求可以看出，在其模型的构建应用中，对应的模型构建主要体现在神经元介质的处理上，也就是在整个神经网络的构成中，是由不同的神经元构成的，当神经元构成达到一定的范围时，其对应的信息记录就会被记录在不同的神经元传递上，进而在神经元传递介质的控制中，也就将整个矿产勘查中的工作要点进行了落实[1]。

1.2 神经网络工作中存在的难点

虽然在BP神经网络的应用中已经发挥出了其技术应用勘探的技术控制要点，但是由于在整个勘探技术的处理中其对应的模型建设在预测技术的处理上还存在着一定的差异。也就是在进行地质勘探技术的处理中，其对应勘探技术处理中的技术控制和具体的神经网络技术处理之间存在着明显的差异，这种差异的存在影响了具体的神经网络传输工作，并且在进行勘探技术的处理中，对应的神经网络技术处理不能够按照勘探技术处理中的神经元介质控制进行对应的记录元信息存储。这就造成了整个矿产勘探技术实施中，其对应勘探技术处理中的技术控制出现了明显的偏差，影响了整体勘探技术实施要点，为了将整体的勘探技术处理要点整合，需要及时进行技术勘探实施中的神经元网络介质处理，这样才能满足神经网络技术控制实施需求。

2 神经网络与特征分析整合勘探矿产工作要点分析

2.1 技术整合基础

神经网络和特征分析法整合实施中，其对应技术整合处理中，应该按照具体的技术整合基础去调整和设计对应的勘探技术。首先，在礦产勘探技术的处理中，对应矿区勘探内的矿床元素的单元划分处理中，其对应技术控制中的预测应该按照具体勘探技术处理中的要求进行，并且在勘探技术的处理中，需要按照具体的勘探技术实施对勘探区域内的矿产信息进行技术整合勘探，这样才能保障在技术整合勘探处理中，能够将整体的勘探技术应用控制要点落实。同时还能借助神经网络技术处理中的神经元介质及时进行对应的介质技术控制，以此作为整个技术控制优化中的关键性要素。除此之外，在技术整合中还需要按照特征分析法和神经网络技术处理中的进制分析控制及时优化和调整对应的矿区内技术整合，这样才能满足整体的矿产勘探能力提升[2]。

2.2 变量选取和单元划分

在矿产资源的勘探与普查工作实施中，需要及时将普查勘探中的变量选取控制好，只有保障了对应区域内的矿产变量选取策略实施优化，才能为整体的技术应用勘探奠定基础，以此作为满足勘探技术处理的关键性因素。在本文的研究中，将变量选取主要从地层结构以及对应的地质构造分析进行整合。具体涉及的变量分为12部分，具体的变量转化如表1所示：

由于在矿产普查与勘探技术的处理中，其对应技术处理中的神经网络单元划分也就会有所不同，应该按照具体的矿产勘探技术实施去控制对应区域内的单元神经网络划分。

2.3 计算流程处理

由于在矿产勘探技术处理中，其对应区域内的矿产技术勘探存在着不同的差异，造成了整体勘探技术实施中的神经网络处理出现了新的偏差，为了将整体的勘探技术应用性能发挥，需要在勘探技术的处理中，及时按照其技术处理中的要求，将对应区域内的计算流程控制好，这样才能保障在后续的矿产勘探技术实施中，将对应的神经网络和具体的特征分析法应用整合，以此满足整体技术应用控制中的技术处理实施需求。

2.3.1 BP神经网络计算

BP神经网络的计算中其对应的计算变量控制应该和具体的网络训练控制整合，核定训练目標误差为0.00001，让其自行学习，然后按照具体的比例尺设计分化处理对应区域内的矿产勘探技术，保障在矿产勘探技术的处理控制中，能够将整体的技术应用勘探能力发挥，这样才能保障整体的勘探技术处理实施性能得到保障。选择神经网络单元划分记录的信息资源，将有矿区域和无矿区域内的信息进行划分，然后按照其对应的计算结果去设计计算步骤，保障在计算步骤的设计处理中，能够为整体技术应用控制能力优化提升奠定基础，同时还能在技术的处理优化中，为整体的技术控制处理整合提供参考。

2.3.2 特征分析计算

在明确了BP神经网络矿产勘探中的技术处理需求之后，需要按照其技术处理控制中的需求，及时进行特征分析计算，保障在特征分析处理实施中，能够为整体的技术控制奠定基础，同时还能保障在特征分析处理控制中，按照其对应技术控制中的单元划分去进行对应的有矿单元整合，通过这种有矿单元划分技术整合处理是满足矿产勘探作业开展需求的。将对应的特征变量设为X，对应的变量Y代表不同特征要点的模型，则其对应的模型特征关系表示如下：

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

3 结语

综上所述，在进行矿产普查与勘探工作的处理中，为了提升勘探技术应用能力需要按照矿产勘探技术处理中的需求，及时将神经网络和特征分析技术整合，这样将对应的勘探工作实施要点整合。通过本文的研究和分析，将神经网络和特征分析在矿产普查与勘探中的互补性探讨从二者工作开展结合要点处理进行了分析，整个分析分为三部分：一是技术整合技术处理；二是变量选取和单元划分；三是计算流程处理。通过以上三点技术应用整合控制，能够将整体技术应用控制中的技术操作要点落实，并且能够保障在技术的处理控制实施中，实现矿产普查与勘探技术应用的控制整合能力提升。

【参考文献】

【1】白艳姝，刘海龙.基于光谱特征分析的锌矿产储量物探评估[J].世界有色金属，2016，22（16）：68-69.

【2】赵学军，李育珍，武文斌.BP神经网络改进TSVM的矿产资源评价模型研究[J].矿业科学学报，2016，36（2）：123-125.