袁传新等：卷积神经网络在矿区预测中的研究与应用 ·1603· 表2实验结果 rate on the growth and composition of Co-rich ferromanganese crusts from Central Pacific seamount areas.Earth Planet Sci Lett, Table 2 Results of experiments 1984,68(1):73 Method Accuracy [5] Zhang W Y,Zhang F Y,Zhu K C.Fractal research on seamount Conv-3(5×5) 0.8226 topography in the West Pacific Ocean.Geoscience,2009,23(6): VGGNet 16(3x3,Max-pooling) 0.7987 1138 VGGNet 16(5x5,Max-pooling) 0.8158 (章伟艳，张富元，朱克超.西太平洋海域海山地形分形特征研 VGGNet 16(5x5,Mean-pooling) 0.8346 究.现代地质，2009,23(6)：1138) VGGNet (7x7) Nonconvergence [6]Liu Y G,He G W,Yao H Q,et al.Global distribution characteristics of seafloor cobalt-rich encrustation resources.Miner 从实验结果可以得到：本文从富钴结壳矿区 Dep0sit,2013,32(6):1275 (刘永刚，何高文，姚会强，等.世界海底富钴结壳资源分布特征 地形特征出发，利用卷积神经网络对海拔数值矩 矿床地质，2013,32(6)：1275) 阵训练得到预测模型.相对于已有的数据，对找矿 [7]Cheng Y S.Study of Evaluation of Co-rich Ferromanganese Crust 靶，点进行预测是可行的 Resources on Seamounts in Northwest Pacific Ocean[Dissertation]. 4结论 Qingdao:Ocean University of China,2014 (程永寿.西北太平洋海山富钴结壳资源评价和矿区圈定[学位 (1)传统的预测方法通过一定的规则集合将 论文].青岛：中国海洋大学，2014) 专家观点、地质背景、成矿类型等因素综合考虑， [8] Hubel D H,Wiesel T N.Receptive fields of single neurones in the cat's striate cortex.J Plysiol,1959,148(3):574 影响找矿预测成果的最大因素是找矿者的先验知 [9] Zhou F Y,Jin L P,Dong J.Review of convolutional neural 识.以富钴结壳矿区地形特征为出发点，运用目前 network.Chin Comput,2017,40(6):1229 非常热门的卷积神经网络模型学习特征，进行结 (周飞燕，金林鹏，董军.卷积神经网络研究综述.计算机学报， 壳矿区预测的初步研究，VGGNet 16(5×5,Mean- 2017,40(6):1229) pooling)在本文的富钴结壳地形数据集中实现较 [10] Yuan F,Zhang MM,Li X H,et al.Prospectivity modeling:from 好的预测效果 two-dimension to three-dimension.Acta Petrol Sin,2019,35(12): 3863 (2)通过实验结果可以得出，利用地形特征进 (袁峰，张明明，李晓晖，等，成矿预测：从二维到三维.岩石学报， 行富钴结壳矿区进行找矿靶点预测切实可行，在 2019,35(12):3863) 准确率方面仍有提升空间. [11]Liu QQ.Meng Q.Geochemical survey of metallogenic area (3)富钴结壳矿区分布受诸多因素影响.相信 (zone)and some problems are discussed.Geol Explor,1981(11): 在不久的将来，随着数据量和精度的增加以及更 深入的研究，可以把更多的影响因素放入深度学 (刘泉清，孟奇.成矿区（带）地球化学普查及若干问题的探讨.地 习模型当中，得到更精确的预测，可以普遍应用于 质与脚探，1981(11)：59) 勘探找矿生产环境中 [12]Yang H S,Liu Y L,Wang P.Mathematical geology of gold deposits in south Gansu and north Sichuan regions-a prognostic 参考文献 neomethod study.Geol Geochem,1998(1):86 (杨恒书，刘玉玲，王萍.川北甘南地区金矿数学地质预测新方 [1]Pan J H,Liu S Q,Yang Y,et al.Types,distribution and 法研究.地质地球化学，1998(1)：86) occurrence of Co-rich crusts in the Western Pacific.Miner [13]Zhang B L.The new theory and technology of "geochemical three Deposit,2002,21(Suppl):44 field anomalies mutually constrain each other"to predict the (潘家华，刘淑琴，杨忆，等.西太平洋富钻结壳的类型、分布与 location of hidden resources has been applied to quickly select the 产状.矿床地质，2002,21（增刊）44) target area for prospecting,and remarkable results have been [2]Morley N H,Burton J D,Tankere S P C,et al.Distribution and achieved.Gold Sci Technol,2004,12(5):48 behaviour of some dissolved trace metals in the western (张宝林应用“地物化三场异常互相约束“"的隐伏资源定位预 Mediterranean Sea.Deep Sea Res PartⅡ，1997,44(3-4)：675 测新理论和新技术快速优选找矿靶区取得显著效果.黄金科学 [3]Wang X H,Zhou L P,Wang Y M.Paleoenvironmental 技术，2004,12(5)：48) implications of high-density records in Co-rich seamount crusts [14]Zhang Q H,Pu K X,Luo H Y.Application of comprehensive from the Pacific Ocean.Sci China Ser D-Earth Sci.2008.51(10): methods in prospecting target of polymetallic ore.Miner Explor, 1460 2019,10(4):929 [4]Halbach P.Puteanus D.The influence of the carbonate dissolution (张庆华，蒲开兴，罗洪远.综合方法在多金属找矿靶区预测中从实验结果可以得到：本文从富钴结壳矿区 地形特征出发，利用卷积神经网络对海拔数值矩 阵训练得到预测模型. 相对于已有的数据，对找矿 靶点进行预测是可行的. 4    结论 （1）传统的预测方法通过一定的规则集合将 专家观点、地质背景、成矿类型等因素综合考虑， 影响找矿预测成果的最大因素是找矿者的先验知 识. 以富钴结壳矿区地形特征为出发点，运用目前 非常热门的卷积神经网络模型学习特征，进行结 壳矿区预测的初步研究，VGGNet 16（ 5×5，Mean￾pooling）在本文的富钴结壳地形数据集中实现较 好的预测效果. （2）通过实验结果可以得出，利用地形特征进 行富钴结壳矿区进行找矿靶点预测切实可行，在 准确率方面仍有提升空间. （3）富钴结壳矿区分布受诸多因素影响. 相信 在不久的将来，随着数据量和精度的增加以及更 深入的研究，可以把更多的影响因素放入深度学 习模型当中，得到更精确的预测，可以普遍应用于 勘探找矿生产环境中. 参    考    文    献 Pan  J  H,  Liu  S  Q,  Yang  Y,  et  al.  Types,  distribution  and occurrence  of  Co-rich  crusts  in  the  Western  Pacific. Miner Deposit, 2002, 21(Suppl): 44 （潘家华, 刘淑琴, 杨忆, 等. 西太平洋富钴结壳的类型、分布与 产状. 矿床地质, 2002, 21(增刊): 44） [1] Morley  N  H,  Burton  J  D,  Tankere  S  P  C,  et  al.  Distribution  and behaviour  of  some  dissolved  trace  metals  in  the  western Mediterranean Sea. Deep Sea Res Part Ⅱ, 1997, 44（3-4）: 675 [2] Wang  X  H,  Zhou  L  P,  Wang  Y  M.  Paleoenvironmental implications  of  high-density  records  in  Co-rich  seamount  crusts from the Pacific Ocean. Sci China Ser D-Earth Sci, 2008, 51（10）: 1460 [3] [4] Halbach P, Puteanus D. The influence of the carbonate dissolution rate  on  the  growth  and  composition  of  Co-rich  ferromanganese crusts from Central Pacific seamount areas. Earth Planet Sci Lett, 1984, 68（1）: 73 Zhang W Y, Zhang F Y, Zhu K C. Fractal research on seamount topography in the West Pacific Ocean. Geoscience, 2009, 23（6）: 1138 （章伟艳, 张富元, 朱克超. 西太平洋海域海山地形分形特征研 究. 现代地质, 2009, 23（6）：1138） [5] Liu  Y  G,  He  G  W,  Yao  H  Q,  et  al.  Global  distribution characteristics of seafloor cobalt-rich encrustation resources. Miner Deposit, 2013, 32（6）: 1275 （刘永刚, 何高文, 姚会强, 等. 世界海底富钴结壳资源分布特征. 矿床地质, 2013, 32（6）：1275） [6] Cheng Y S. Study of Evaluation of Co-rich Ferromanganese Crust Resources on Seamounts in Northwest Pacific Ocean[Dissertation]. Qingdao: Ocean University of China, 2014 （程永寿. 西北太平洋海山富钴结壳资源评价和矿区圈定[学位 论文]. 青岛: 中国海洋大学, 2014） [7] Hubel D H, Wiesel T N. Receptive fields of single neurones in the cat's striate cortex. J Physiol, 1959, 148（3）: 574 [8] Zhou  F  Y,  Jin  L  P,  Dong  J.  Review  of  convolutional  neural network. Chin J Comput, 2017, 40（6）: 1229 （周飞燕, 金林鹏, 董军. 卷积神经网络研究综述. 计算机学报, 2017, 40（6）：1229） [9] Yuan F, Zhang M M, Li X H, et al. Prospectivity modeling: from two-dimension to three-dimension. Acta Petrol Sin, 2019, 35（12）: 3863 （袁峰, 张明明, 李晓晖, 等. 成矿预测: 从二维到三维. 岩石学报, 2019, 35（12）：3863） [10] Liu  Q  Q,  Meng  Q.  Geochemical  survey  of  metallogenic  area (zone) and some problems are discussed. Geol Explor, 1981（11）: 59 （刘泉清, 孟奇. 成矿区(带)地球化学普查及若干问题的探讨. 地 质与勘探, 1981（11）：59） [11] Yang  H  S,  Liu  Y  L,  Wang  P.  Mathematical  geology  of  gold deposits in south Gansu and north Sichuan regions—a prognostic neomethod study. Geol Geochem, 1998（1）: 86 （杨恒书, 刘玉玲, 王萍. 川北甘南地区金矿数学地质预测新方 法研究. 地质地球化学, 1998（1）：86） [12] Zhang B L. The new theory and technology of "geochemical three field  anomalies  mutually  constrain  each  other"  to  predict  the location of hidden resources has been applied to quickly select the target  area  for  prospecting,  and  remarkable  results  have  been achieved. Gold Sci Technol, 2004, 12（5）: 48 （张宝林. 应用“地物化三场异常互相约束”的隐伏资源定位预 测新理论和新技术快速优选找矿靶区取得显著效果. 黄金科学 技术, 2004, 12（5）：48） [13] Zhang  Q  H,  Pu  K  X,  Luo  H  Y.  Application  of  comprehensive methods  in  prospecting  target  of  polymetallic  ore. Miner Explor, 2019, 10（4）: 929 （张庆华, 蒲开兴, 罗洪远. 综合方法在多金属找矿靶区预测中 [14] 表 2    实验结果 Table 2    Results of experiments Method Accuracy Conv-3 (5×5) 0.8226 VGGNet 16 (3×3, Max-pooling) 0.7987 VGGNet 16 (5×5, Max-pooling) 0.8158 VGGNet 16 (5×5, Mean-pooling) 0.8346 VGGNet (7×7) Nonconvergence 袁传新等： 卷积神经网络在矿区预测中的研究与应用 · 1603 ·