一、BP神经网络模型在柴北缘—东昆仑造山型金矿预测的应用（论文文献综述）
李程[1]（2021）在《深部地质地球化学三维定量矿产预测方法研究 ——以西秦岭早子沟金矿为例》文中研究表明深地资源勘查是国家战略需求,深部地质地球化学三维定量矿产预测的方法研究可为该需求提供重要的技术支撑。成矿空间三维精细化建模、深部成矿有利地质地球化学信息深层次提取与推断和大深度段定量成矿预测是三维定量矿产预测需要解决的三个核心的科学问题。鉴于此,论文采用了基于三维显式建模与隐式建模相结合的地质地球化学三维可视化展示、基于多重分形含量-体积（C-V）模型的原生晕地球化学元素空间分布规律研究、基于数据驱动和知识驱动的成分数据分析框架的原生晕地球化学元素组合特征提取与推断、基于机器学习和深度学习的大深度段定量矿产预测的系列方法。具体如下:（1）针对成矿空间三维精细化建模的科学问题,通过三维显式建模与三维隐式建模相结合的方式构建深部三维地质地球化学模型,在浅表数据丰富区采用显式建模方式尽可能地控制建模精度,在大深度段数据匮乏区,采用地质约束的隐式建模方式推断深部控矿要素的空间展布。构建了地形、矿体、岩体及构造的三维地质模型,分别构建了基于显式建模和隐式建模的原生晕数据体模型和深部定量矿产预测的可视化模型,为深部定量预测提供了可视化支撑。（2）针对深部成矿有利地质地球化学信息深层次提取与推断的科学问题,以非线性理论为指导,探讨多重分形模式下三维地球化学异常提取的方法,提取了成矿空间12种成矿相关原生晕地球化学元素的空间异常特征,为成矿空间元素分布、分带与组合特征的研究奠定了数据基础;研究了基于成分数据分析的元素组合特征提取方法,基于数据驱动的成分数据分析框架,定量提取了控矿构造对应的地球化学元素组合（Sb-Hg）,为深部控矿构造的推断提供了数据支持;基于知识驱动的成分数据分析框架定量提取了前缘晕（As-Sb-Hg）、近矿晕（Au-Ag-Cu-Pb-Zn）和尾晕（W-Mo-Co-Bi）的元素组合,为深部原生晕结构解析提供了量化指标。在以上分析的基础上,构建了三维原生晕模型,通过与常规剖面原生晕方法的对比,圈定了深部靶位,为深部定量矿产预测提供了定性参考。（3）针对大深度段定量成矿预测的科学问题,以矿床成矿模式为依托,定量提取了深部地质地球化学找矿标志,构建了深部地质地球化学找矿模型,设计了用于深部定量矿产预测的最大熵模型、高斯混合模型和卷积神经网络模型三种机器学习和深度学习的定量矿产预测模型,以构造缓冲区、控矿构造元素组合Hg-Sb、主成矿元素Au、近矿晕元素组合Au-Ag-Cu-Pb-Zn、前缘晕和尾晕元素组合比值（As-Sb-Hg）/（W-Mo-Bi）五个找矿指标为输入变量,对大深度段矿体赋存地段开展了定量、定位、定概率的矿产预测。论文形成的深部地质地球化学三维定量矿产预测方法体系是以早子沟金矿成矿空间原生晕地球化学数据为依托,在充分剖析地质成矿规律的基础上,在定量提取地质地球化学找矿标志,构建深部地质地球化学找矿模型,开展大深度段定量矿产预测的思路下形成的研究成果。值得一提的是,2021年早子沟科研深钻在深部取得了显着的找矿成果,该深钻一方面验证了本论文深部预测的可信度,另一方面在加入深钻数据的基础上,为深部定量预测提供了新的找矿方向。
郑超杰[2]（2021）在《基于成分数据及机器学习在阿舍勒地区的综合找矿研究》文中提出新疆阿舍勒铜锌矿位于阿尔泰造山带西南缘阿舍勒盆地内,是典型的火山沉积块状硫化物（VMS）型矿床。前人对矿床的地质特征、成矿物质来源、成矿机制和成矿预测等方面做了大量研究,积累了大量的地质资料和找矿成果。鉴于阿舍勒铜锌矿床具有埋藏深、开采难度大、采矿维护成本高等特点,伴随着矿山开采对探明资源储量不断消耗,深边部矿体品位下降,对阿舍勒铜锌矿床深部及外围找矿任务已迫在眉睫。本文以矿产资源定量评价体系为指导,在充分收集研究区地质资料及前人研究成果的基础上,归纳矿区成矿地质规律及控矿地质要素;引入成分数据分析,对阿舍勒矿区外围原生晕数据进行研究,运用分形理论及奇异性理论分离、识别并提取地表原生晕弱异常;量化矿区控矿地质要素,结合地球化学指标,构建研究区综合信息找矿模型;借助不同机器学习算法对矿区外围开展找矿预测,并对预测结果予以评估;分析钻孔原生晕垂向分带特征,评价矿区深部找矿潜力。如下为本文取得的成果及认识。1.对研究区岩石地球化学9个元素进行成分数据分析,还原元素真实空间分布;以稳健主成分方法探讨元素组合特征,得出（1）Cu-Zn-Co及（2）Pb-Mo-Ag-As-Au-Sb两组矿化组合,分别对应矿床喷流沉积及变质热液叠加改造两个成矿阶段。2.运用分形-多重分形方法分离元素地球化学异常及背景分布,提取研究区原生晕异常;对常规地球化学数据处理方法难以识别的弱异常,以局部奇异性理论识别、提取,充分挖掘地球化学数据中隐藏的与成矿紧密相关的弱异常信息。3.对矿区成矿规律分析的基础上,归纳研究区控矿地质要素;以GIS信息系统为媒介、矿区见矿钻孔为参照,运用“距离分布法”,明确各类控矿地质要素与矿体间最佳缓冲距离,量化各类与成矿密切相关的控矿地质要素信息,结合地表原生晕地球化学综合异常,构建研究区地质-地球化学综合信息找矿模型。4.基于研究区综合信息找矿模型,运用三类监督学习算法,对研究区开展找矿预测;对各类机器学习模型评估并对各模型预测结果与矿区见矿钻孔相对应,得出三类机器学习模型找矿预测效果显着。由此,提出将三类机器学习算法相结合,构建基于机器学习的综合找矿预测模型。5.以机器学习综合找矿预测结果为主,辅以岩石地球化学弱异常信息,结合研究区地质背景及矿区控矿地质要素重要度评价指标,在新疆阿舍勒铜锌矿区外围圈定3类共9个找矿预测区,并分析钻孔原生晕数据进行深部找矿预测,验证深部具有较大找矿潜力。
张真[3]（2021）在《西秦岭大水金矿矿床地球化学特征与成因研究》文中进行了进一步梳理金矿作为我国重要的矿产资源与战略矿种,类型多样、分布广泛。西秦岭地区自加里东构造期以来有多期酸性岩浆活动,不仅多种稀贵金属与此有关,而且也为大量金矿床形成提供了物源。大水金矿属于超大型金矿,具有规模大、矿化独特和品位高等特点。随着该金矿的勘探开发与理论研究,对金矿成因研究存在较大分歧,对蚀变迁移规律研究较为薄弱。此问题的探讨有助于加深对成矿过程的认识,以及对找矿方向的指导。本文以甘南玛曲大水金矿Au20-2号主矿体为重点研究对象,利用镜下鉴定、主微量元素及碳氧同位素方法,开展了矿床地球化学特征及成因研究,主要取得以下认识:（1）大水金矿成矿与硅化、赤铁矿化和方解石化关系密切。硅化-赤铁矿化主要表现为Au、Th、Co、W的带入,Sr、Ba、Pb、Cr、Hf、Zr的带出;硅化-赤铁矿化-方解石化主要表现为Au、Ba、Th、Co、W的带入,Sc、Sr、U、Pb、Cr、Hf、Zr的带出;硅化-方解石化主要表现为Au、Th、W的带入,Sc、Sr、Cs、Ba、U、Pb、Cr、Hf、Zr的带出。（2）根据碳氧同位素特征推测大水金矿成矿流体可能主要来自花岗岩浆热液,深部高温热液沿着构造断裂或裂隙向上运移至三叠系地层,在成矿过程中热液不断与碳酸盐岩围岩发生交代反应,成矿物质Au被萃取,当物化条件发生变化时,导致Au沉淀,进而富集成矿。（3）元素和矿物共生组合反映大水金矿成矿作用是由高温至低温变化的过程,但以中低温热液为主。大水金矿围岩蚀变发育显示矿区的找矿潜力较大。热液蚀变是区域上找矿的重要前提标志,Au与As、Mo、Sb、Hg和W等正异常可作为矿体的指示元素组合,据此建立了元素迁移模式。
董丽芳[4]（2020）在《基于遗传算法的遥感矿化蚀变信息提取 ——以青海拉陵灶火地区为例》文中研究表明矿产资源是一个国家发展的重要支柱。随着国民经济的发展,对矿产资源的需求也越来越大。遥感作为一门对地观测综合性探测技术,具有观测范围广、时效性强、成本低等优势,已广泛应用在地质勘探领域,有效地减少了地质找矿难度;尤其在一些自然条件恶劣、交通不便地区,对遥感图像进行信息提取在地质找矿中具有一定的优势。由于围岩蚀变常常伴随着矿体产生,提取遥感影像矿化蚀变信息作为一种找矿的有效途径,为地质工作者提供了可靠的找矿依据。传统遥感蚀变信息提取方法主要根据研究区典型矿物的波谱吸收和反射特征,通过反复比较选取波段组合来提取矿化蚀变信息。但是,通过经验模式无法全面考虑研究区矿物的波谱特征,同时,忽略了矿物之间存在的复杂共生关系。因此,本论文在对研究区地质背景与矿物波谱特征全面分析基础上,研究基于遗传算法融合主成分分析选取矿化蚀变最佳特征组合与蚀变信息提取。本论文首先结合区域地质背景与矿物波谱特征,建立多光谱遥感特征集合;然后,引入遗传算法,融合主成分分析定义矿化蚀变目标函数与适应度函数;其次,建立基于遗传算法的遥感矿化蚀变信息提取模型;最后,利用建立的模型选取遥感矿化蚀变最佳特征组合,实现多光谱遥感矿化蚀变信息高效提取。本论文以青海拉陵灶火地区作为研究区,Landsat-8 OLI作为数据源,通过波段运算融合原始的多光谱波段形成研究区多光谱遥感特征集合;结合研究区地质背景,通过充分考虑研究区内已知矿点蚀变信息量和均衡性,来定义矿化蚀变目标函数和适应度函数;运用遗传算法的寻优策略,融合主成分分析,进行适应度函数和遗传算子操作,选取遥感矿化蚀变最佳特征组合,提取研究区铁染和羟基蚀变信息。在实验验证方面,将基于遗传算法的遥感蚀变信息提取结果与基于传统波段组合的主成分分析方法进行比较分析,并将预测靶区与已知矿点进行验证。实验结果表明,与传统主成分分析法相比,运用本论文方法提取的遥感矿化蚀变信息与研究区的已知矿点吻合度较高。说明本论文所提出的基于遗传算法的遥感矿化蚀变信息提取模型的有效性,为矿产勘查及成矿分析提供了新方法与新思路。
张雨维[5]（2020）在《基于多源数据协同的集宁浅覆盖区玄武岩提取方法研究》文中认为玄武岩作为探测地球深部的“探针”和“窗口”,其空间分布对构造背景、岩石圈深部的动力学背景和地质找矿潜力等研究具有重要意义。由于大面积的第四系沉积物的覆盖,集宁玄武岩的岩性特征、边界不甚清晰,使其岩性识别成为一大难题。近年来,物化探、遥感技术作为人类研究地表的重要技术手段已广泛应用于覆盖区岩性识别中。然而,由于光学遥感数据只能获取地表信息、物化探数据存在采样不连续、比例尺小等缺陷,覆盖区岩性填图精度较低。为了提高覆盖区的玄武岩识别精度,本研究以内蒙古自治区乌兰察布市集宁区的兴和——鄂卜坪浅覆盖区为实验区,深入、全面地探讨如何协同利用遥感、地球化学、地质等多源数据对覆盖区玄武岩进行自动分类识别,明确覆盖区内玄武岩的空间分布。本研究的主要内容和成果如下:（1）通过多种多光谱遥感图像数据的岩性目视解译、岩性信息增强和机器学习分类比较,寻找适合多源数据协同识别覆盖区岩性的最佳数据组合和最优算法。实验证实:多源遥感数据组合的岩性分类能力显着优于单一遥感数据;而支持向量机（Supporting Vector Machine,SVM）在利用多源遥感数据进行覆盖区岩性识别中具有很大优势;（2）基于区域内水系沉积物地球化学数据进行插值分析,以探索其与玄武岩的对应关系。研究发现:最能代表区内玄武岩分布的元素组合为:Cd、Co、Cr、Cu、Mo、Ni、Zn和Pb;（3）结合能够有效反映研究区玄武岩分布的化探数据和遥感数据,利用SVM进行玄武岩分类研究。实验结果证明:化探数据和遥感数据的组合是覆盖区岩性识别的有效组合,从中可以得到更为准确的覆盖区玄武岩空间分布。综上所述,本研究中提出的多源地学信息协同处理的框架和技术可充分发挥不同地学数据的优势,提高覆盖区岩性填图精度和效率,将为覆盖区岩性识别提供技术参考,具有重要的学术意义。
耿国帅[6]（2020）在《青海东昆仑成矿带东段地球化学数据处理方法及找矿靶区圈定》文中研究指明东昆仑成矿带东段处于青海省中部,与其周边地区共同构成青藏高原北部的重要地质单元,并以其丰富的金、铜、铁、多金属矿产资源,成为国内重要的矿产资源基地之一。目前该地区基本实现了 1:50万、1:20万或1:25万化探数据覆盖,前人基于这些数据,采用传统方法圈定大量的化探综合异常,取得了较好的效果。但仍然存在一些问题。论文以地球化学数据处理为主,把成分数据的处理方法和稳健统计分析的方法应用于数据处理中,充分挖掘地球化学数据的含量信息、空间信息与内部结构信息,综合地球化学各方面特征、应用层次分析法的思路,统计各网格单元的综合信息,从而圈定找矿靶区,取得了如下的成果:1)根据该区矿床产出的地质背景,结合研究区矿床类型划分,把该区的矿床类型分为以基性岩有关的成矿组合（SEDEX型、VHMS型和沉积变质型）,与中酸性岩有关的成矿组合（矽卡岩型、斑岩型和热液脉型）和热液型金矿成矿组合（蚀变岩型和石英脉型）三种组合八种类型。2)提出并应用中值和几何平均值的差与变异常系数图,分析了昆北、昆中、昆南和北巴四个子区较有潜力的成矿元素。指出昆北W、Bi、Pb、Cr、As、Ag等,昆中 Hg、Au、Sb、Mo、Bi、Ag、Sn、W、As 等;昆南 Hg、Sb、Bi、Ni、Au、Cr、Mo、As、Cu、Ag;北巴Hg、Au、Sb、As、W等为该区较有潜力的成矿元素。3)采用两种方法圈定单元素异常,①利用ILR转换后造岩元素的稳健因子分析,进行地球化学分区,对元素含量进行分区标准化,从而圈定各元素异常。②提出利用改进的Aitchison距离方法来圈定单元素异常,从两种方法圈定的效果看,与矿床点的对应关系都较好,但相对而言,Aitchison距离由于考虑了与其它元素的关系,且消除了成分数据的闭合效应,圈定的异常更好。4)利用成矿元素的主成分分析,分别提取了以基性岩成矿、与中酸性岩成矿和与金矿成矿有关的主成分异常。利用主成分分析结果和矿床特征元素,选择Cu、Co、Cr、Ni、V、Zn;Ag、Cd、Pb、Mo、Sn;Au、As、Sb 和 Au、Bi、W四种元素组合,进行稳健马氏距离计算,并圈定马氏距离异常。5)综合分析了 Au、Cu、Co、Pb等元素含量在E、SE、S、SW四个方位的空间变化情况,总体上,元素NS向的空间变化率好于EW向的空间变化率,与区内矿床点的走向一致。对比Au、Cu两元素含量变化等值线图和空间变化率等值线图,认为元素的含量空间变化率等值线图比含量等值线图更具找矿意义。6)综合各类地球化学信息,利用层次分析法的思路,计算各网格单元的成矿信息量,根据信息量,圈定了三类靶区共32处,其中与基性岩成矿有关找矿靶区10处;与酸性岩成矿有关的找矿靶区10处;与热液型金矿有关的找矿靶区12处。在此基础上,圈定10处成矿远景区。在靶区验证中,热液型金矿找矿靶区内发现金、锑矿脉,在与酸性岩成矿有关的找矿靶区内发现了钨的矿化线索。
张亚光,陈建平,贾志杰,李诗,刘苏庆,张志平,张烨[7]（2019）在《基于循环神经网络的找矿模型构建与预测》文中进行了进一步梳理在大数据和人工智能背景下,基于已有的传统地质找矿模型建立与应用基础,提出基于循环神经网络的找矿模型构建与预测方法,实现对地质数据的深入分析和理解。针对地质找矿模型构建与预测的需求,结合数据清洗理论,对传统地质找矿模型进行归纳与总结,建立地质找矿知识库,为深度学习算法提供训练数据。通过分类算法研究,综合对比结果的准确率与分类所用时间,最终选用RNN分类算法对找矿概念模型进行分类。在建立研究区找矿模型中,通过关键词与控矿要素完成模型匹配,利用模型计算对模型匹配结果进行数据分析,实现区域地质找矿模型的构建与矿产资源的预测评价和分析。以大水金矿为例,快速准确地实现了找矿模型的构建,有效地对矿产资源预测工作提供了指导,验证了该方法的可行性。
陈文悦[8]（2019）在《基于地质语义模型和机器学习的成矿远景区预测 ——以甘肃西秦岭为例》文中研究说明地质矿产工作经过长期积累形成了数据量巨大的地质资料,数据作为一种资源也受到人们越来越多的关注。如何利用已有的地质矿产数据,合理运用新的技术方法获取矿产资源研究所需信息,是当今重要研究方向。本文主要研究了基于地质文本数据的信息提取及机器学习在成矿远景区预测中的应用。通过构建地质语义模型,实现对文本数据的信息提取,确定研究区矿产概况;基于该矿产概况,结合相应地质数据,通过随机森林算法,实现成矿远景区预测。本研究以甘肃西秦岭区域为例,完成成矿远景区预测,为进一步勘察分析提供了参考依据。主要包括以下几个方面:（1）地质语义模型构建:通过研究分析构建地质矿产基础词典,利用基于长短时记忆和条件随机场算法的LUIS构建了地质语义模型。（2）矿产特征提取:结合地质矿产文本数据及地质语义模型,通过文本数据预处理、分词处理、词频统计等获取相应的文本数据实义词,统计矿种及区域地质特征中控矿要素相关内容,确定矿产概况。（3）成矿远景区预测:根据矿产概况获取相关地质数据,通过随机森林机器学习算法,实现成矿远景区预测。（4）甘肃西秦岭地区成矿远景区预测:以甘肃省西秦岭地区为例,验证方法可行性并实现成矿远景区预测。研究表明,本文构建的地质语义模型能够实现对文本数据的地质矿产信息提取,以提取的概况信息为方向,结合已有地质资料通过随机森林算法可实现成矿远景区预测。通过甘肃省西秦岭地区成矿远景区预测案例应用,证明了本文提出方法的可行性,结果为进一步的矿产分析提供了数据参考。
欧俊[9]（2019）在《西藏狮泉河地区多元矿化信息分析及成矿预测》文中研究表明狮泉河地区位于班公湖-怒江缝合带与冈底斯构造-岩浆弧带的交汇部位,区域岩浆活动频繁,构造发育。本次利用遥感技术的优势,以狮泉河地区为研究对象,重点对区内构造信息和矿化蚀变信息进行提取分析,结合地质、化探资料,分析已知矿（化）点的成矿要素,筛选出区内地质、化探、构造以及遥感蚀变等19个找矿因子,划分成456个网格单元,通过专家证据权重法和BP神经网络法对多元矿化信息建立了找矿模型,圈定出6个成矿远景区。经过野外验证表明该预测结果具有一定的可靠性,为指导该区下一步地质找矿提供重要依据。本文取得主要研究成果如下:（1）综合收集分析区域地质、地球化学等资料,研究已知矿（化）点的成矿规律特征、总结成矿要素,确定含矿的岩性因子和区域成矿的化探因子。（2）利用OLI与资源卫星一号02C数据进行融合,建立研究区构造解译标志,共解译线性构造186条,总长为714km,环形构造62个。在解译的基础上,定量分析研究区地质构造的密度、频度和异常方位,揭示构造信息的空间展布特征。同时探讨了构造与矿（化）点的关系,分析认为在地质构造发育且交汇区域具有较大的成矿潜力。（3）选用ASETR数据为数据源,运用波段比值法、主成分分析法、组合分析法以及端元波谱矿物填图法,对研究区内Al-OH蚀变、碳酸岩化、青磐岩化以及铁染系列等蚀变矿物进行了提取工作,从方法处理和蚀变信息分布上总结了四种蚀变提取方法的优缺点,最终认为端元波谱矿物填图法在该区域的提取效果最好。同时计算了研究区内二氧化硅的含量并进行反演,其反演结果可以对区内的中酸性岩类进行定位,对于寻找中酸性岩体有关的矽卡岩型矿床具有重要的指示作用。（4）以区域成矿理论和规律为基础,建立狮泉河地区多元信息找矿模型。通过提取分析地质、化探、构造以及遥感蚀变等19个预测变量,利用证据权、BP神经网络两种模型对狮泉河地区展开成矿预测并圈定成矿远景区。通过野外验证表明:验证区域均存在一定的矿化现象,说明预测模型所圈定的远景区具有一定的可靠性。
王君贤[10]（2018）在《柴达木盆地团鱼山地区中侏罗统石门沟组油页岩特征及资源评价》文中提出柴达木盆地地处青藏高原东北部,隶属于塔里木—中朝板块,是我国西北地区重要的含油气盆地。团鱼山地区位于柴达木盆地北缘西北部坳褶带内,区内地层发育较全,其含油页岩层系主要为中侏罗统石门沟组。以往针对该层系的勘探目标主要为煤碳资源,对区内油页岩的研究程度较低。因此,对区内油页岩展布规律的研究及资源潜力的预测尤为重要。本论文在野外露头及全取心探井青柴地-1井、青柴地-2井岩心观察描述的基础之上,结合区内二十余口钻井测井曲线及沉积岩薄片镜下分析,将柴北缘团鱼山地区石门沟组含油页岩层系主要划分为三角洲相和湖泊相,在此基础上又划分出7种沉积亚相和12种沉积微相。三角洲相主要位于研究区西南侧,为研究区内主要物源区;湖泊相可划分为滨浅湖亚相和半深湖—深湖亚相,其中石门沟组上部页岩段时期半深湖—深湖亚相占主导地位,为油页岩主要发育相带。研究区内油页岩多呈黑灰色和深灰色,发育水平层理和块状构造。据青柴地-1井、青柴地-2井油页岩样品系统取样测试,石门沟组共发育11层油页岩,其中上部页岩段发育三层油页岩,厚度较大、连续性好,区内广泛发育,油页岩累计厚度达8.31m,含油率介于5.506.29%,平均为5.73%,有机质类型为Ⅰ型、Ⅱ1型,为高灰分、中发热量、低硫的中等品质油页岩;下含煤段发育8层油页岩,累计厚度达14.7 m,含油率介于4.097.83%,平均为5.47%,有机质类型为Ⅱ2型,为低灰分、高发热量、低硫的中等品质油页岩。根据钻井测井曲线和岩石组合等层序识别标志,建立了柴北缘团鱼山地区石门沟组层序地层格架。研究区内发育两个三级层序,下含煤段相当于层序Ⅰ,页岩段相当于层序Ⅱ,油页岩主要在层序Ⅱ的水进体系域和高水位体系域中产出。油页岩在测井响应上具有高声波时差、高电阻率、低自然伽马的二高一低测井响应特征。区内油页岩含油率与TOC线性关系良好,据此通过△LOGR方法和多元回归方程建立研究区油页岩识别模型并对油页岩TOC进行定量预测,推断出区内油页岩分布规律及品质,通过体积法对油页岩资源量进行预测。据预测结果,研究区油页岩主要分布于中部、西北部和东南部,埋深普遍小于1000 m,油页岩预测资源为3.92亿吨,折合成油页岩油预测资源为0.24亿吨。煤段油页岩含油率较高但厚度较薄,横向连续性较差,不具备资源潜力,该认识对研究区及周缘油页岩进一步勘探有一定指导意义。
二、BP神经网络模型在柴北缘—东昆仑造山型金矿预测的应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、BP神经网络模型在柴北缘—东昆仑造山型金矿预测的应用（论文提纲范文）
（1）深部地质地球化学三维定量矿产预测方法研究 ——以西秦岭早子沟金矿为例（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景与研究意义 |
| 1.2 国内外相关研究现状 |
| 1.2.1 定量矿产预测理论概述 |
| 1.2.2 地球化学信息提取方法研究现状 |
| 1.2.3 三维地质建模方法研究现状 |
| 1.2.4 三维定量矿产预测方法研究现状 |
| 小结 |
| 1.3 存在的主要问题 |
| 1.4 研究内容与技术路线 |
| 1.4.1 研究内容 |
| 1.4.2 技术路线 |
| 1.5 创新点 |
| 第2章 研究区地质背景与矿床特征 |
| 2.1 大地构造背景 |
| 2.1.1 大地构造位置 |
| 2.1.2 大地构造演化 |
| 2.2 区域地质背景 |
| 2.2.1 区域地层 |
| 2.2.2 区域岩浆岩 |
| 2.2.3 区域构造 |
| 2.2.4 区域变质作用 |
| 2.2.5 区域矿产 |
| 2.3 矿区地质特征 |
| 2.3.1 矿区地层 |
| 2.3.2 矿区构造 |
| 2.3.3 矿区岩浆岩 |
| 2.4 矿床地质 |
| 2.4.1 矿体 |
| 2.4.2 矿化特征 |
| 2.4.3 矿床蚀变带特征 |
| 2.4.4 成矿期次 |
| 2.5 小结 |
| 第3章 理论方法 |
| 3.1 含量-体积(C-V)多重分形模型 |
| 3.2 成分数据分析方法 |
| 3.2.1 成分数据理论基础 |
| 3.2.2 连续二值分解技术 |
| 3.2.3 地球化学成分数据分析框架 |
| 3.3 空间插值算法研究 |
| 3.3.1 区域化变量 |
| 3.3.2 三维变异函数分析 |
| 3.3.3 三维克里金插值 |
| 3.4 基于机器学习的定量矿产预测方法 |
| 3.4.1 最大熵模型 |
| 3.4.2 高斯混合模型 |
| 3.4.3 卷积神经网络 |
| 第4章 三维地质地球化学建模与原生晕数据分析 |
| 4.1 三维建模数据库构建 |
| 4.2 三维地质建模 |
| 4.2.1 三维地形模型 |
| 4.2.2 三维矿体模型 |
| 4.2.3 三维构造模型 |
| 4.2.4 三维岩体模型 |
| 4.3 三维原生晕数据体模型构建与数据分析 |
| 4.3.1 描述性统计分析 |
| 4.3.2 三维原生晕数据体建模 |
| 4.3.3 基于多重分形C-V模型的三维原生晕异常数据体建模 |
| 4.3.4 基于数据驱动的成分数据分析及其元素组合特征提取 |
| 4.4 小结 |
| 第5章 原生晕分带模式研究与三维原生晕模型构建 |
| 5.1 剖面原生晕模型构建与深部预测 |
| 5.1.1 剖面原生晕地球化学元素异常分布特征 |
| 5.1.2 剖面原生晕地球化学元素分带特征 |
| 5.1.3 剖面原生晕地球化学参数特征 |
| 5.1.4 剖面原生晕地球化学模型及成矿预测 |
| 5.2 三维原生晕模型构建与预测 |
| 5.2.1 基于隐式建模的三维原生晕地球化学元素空间分布规律研究 |
| 5.2.2 基于知识驱动的原生晕地球化学元素在组合提取 |
| 5.2.3 三维原生晕模型与深部预测 |
| 5.3 小结 |
| 第6章 深部定量矿产预测 |
| 6.1 成矿条件分析与深部地质地球化学找矿模型构建 |
| 6.1.1 成矿条件分析与早子沟成矿模型 |
| 6.1.2 早子沟金矿深部地质地球化学找矿模型 |
| 6.2 基于机器学习和深度学习的深部定量矿产预测 |
| 6.2.1 训练样本构建 |
| 6.2.2 ROC曲线 |
| 6.2.3 最大熵预测结果与不确定性评价 |
| 6.2.4 高斯混合模型预测结果与不确定性评价 |
| 6.2.5 卷积神经网络预测结果与不确定性评价 |
| 6.3 对比分析靶位圈定 |
| 结论 |
| 致谢 |
| 参考文献 |
| 攻读学位期间取得学术成果 |
（2）基于成分数据及机器学习在阿舍勒地区的综合找矿研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1 章 引言 |
| 1.1 选题来源 |
| 1.2 研究目的和意义 |
| 1.3 矿产预测理论与方法研究现状 |
| 1.3.1 国外研究现状 |
| 1.3.2 国内研究现状 |
| 1.4 机器学习在矿产预测中的应用 |
| 1.5 研究区以往工作程度 |
| 1.6 研究内容、方法及技术路线 |
| 1.6.1 研究内容、方法 |
| 1.6.2 技术路线 |
| 第2 章 地质概况 |
| 2.1 区域地质 |
| 2.1.1 区域地理概况 |
| 2.1.2 区域地层 |
| 2.1.3 区域构造 |
| 2.1.4 区域岩浆岩 |
| 2.1.5 区域矿产 |
| 2.2 矿区地质 |
| 2.2.1 矿区地层 |
| 2.2.2 矿区构造 |
| 2.2.3 矿区火山活动与岩浆岩 |
| 2.2.4 矿区围岩蚀变 |
| 第3 章 研究区元素地球化学分布模式及弱异常识别 |
| 3.1 地球化学数据处理方法 |
| 3.1.1 成分数据分析 |
| 3.1.2 分形-多重分形理论 |
| 3.2 原生晕样品采集及数据分析 |
| 3.2.1 样品采集及测试分析 |
| 3.2.2 原生晕地球化学数据统计学特征 |
| 3.3 研究区单元素地球化学分布模式 |
| 3.3.1 原生晕数据元素地球化学分布模式 |
| 3.4 研究区元素组合地球化学分布模式 |
| 3.4.1 基于ilr变换的稳健主成分分析 |
| 3.4.2 基于ilr变换的连续二值分离技术 |
| 3.5 综合地球化学分布模式及弱异常提取 |
| 第4 章 研究区综合信息找矿模型 |
| 4.1 成矿规律研究 |
| 4.1.1 矿床成因浅析 |
| 4.1.2 地层控矿规律 |
| 4.1.3 构造控矿规律 |
| 4.1.4 岩体控矿规律 |
| 4.1.5 岩体-地层接触带控矿规律 |
| 4.1.6 矿化蚀变带 |
| 4.1.7 古火山机构 |
| 4.2 成矿地质信息提取方法 |
| 4.2.1 距离分布法 |
| 4.2.2 地质成矿要素提取流程 |
| 4.3 成矿地质要素定量提取 |
| 4.3.1 地层与成矿的关系 |
| 4.3.2 构造与成矿的关系 |
| 4.3.3 岩体与成矿的关系 |
| 4.3.4 岩体-地层接触带与成矿的关系 |
| 4.3.5 围岩蚀变与成矿的关系 |
| 4.3.6 古火山机构与成矿的关系 |
| 4.3.7 定量分析结果 |
| 4.4 综合信息矿产预测模型 |
| 4.4.1 铜锌多金属矿床综合找矿模型 |
| 4.4.2 矿床统计单元划分原则 |
| 4.4.3 统计单元的赋值 |
| 第5 章 基于机器学习的综合信息矿产预测 |
| 5.1 基于监督学习的矿产资源预测 |
| 5.1.1 训练、测试样本集特征 |
| 5.1.2 支持向量机模型 |
| 5.1.3 随机森林模型 |
| 5.1.4 加权K最近邻模型(KKNN) |
| 5.2 定量预测模型综合评价 |
| 第6 章 异常评价及深部找矿研究 |
| 6.1 基于机器学习的综合异常与原生晕弱异常对比研究 |
| 6.1.1 研究区控矿地质要素重要性评估 |
| 6.1.2 综合异常对比研究 |
| 6.1.3 研究区找矿预测区圈定 |
| 6.2 深部原生晕找矿研究 |
| 6.2.1 钻孔原生晕样品采集及分析 |
| 6.2.2 钻孔原生晕数据多元统计分析 |
| 6.2.3 原生晕轴向分带特征 |
| 6.2.4 钻孔原生晕深部找矿预测 |
| 第7 章 结论与存在问题 |
| 7.1 结论 |
| 7.2 创新点 |
| 7.3 存在问题 |
| 参考文献 |
| 附录1 阿舍勒铜矿区断裂特征简表 |
| 附录2 矿区次火山岩岩石学特征表 |
| 附录3 断裂要素与矿点缓冲距离参数 |
| 附录4 SVM模型核函数超参数优化 |
| 个人简历、申请学位期间的研究成果及发表的学术论文 |
| 致谢 |
（3）西秦岭大水金矿矿床地球化学特征与成因研究（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题意义及选题依据 |
| 1.2 研究现状及存在问题 |
| 1.2.1 金矿研究现状 |
| 1.2.2 大水金矿研究现状 |
| 1.2.3 存在问题 |
| 1.3 研究内容及思路 |
| 1.3.1 研究内容 |
| 1.3.2 研究思路 |
| 1.4 研究工作量及创新点 |
| 1.4.1 工作量 |
| 1.4.2 创新点 |
| 第二章 研究区地质背景 |
| 2.1 研究区自然地理 |
| 2.2 大地构造背景 |
| 2.3 区域地质背景 |
| 2.3.1 地层 |
| 2.3.2 构造 |
| 2.3.3 岩浆岩 |
| 2.3.4 金矿床 |
| 第三章 矿床地质特征 |
| 3.1 矿区地质 |
| 3.1.1 地层 |
| 3.1.2 构造 |
| 3.1.3 岩浆岩 |
| 3.2 矿体特征 |
| 3.3 矿石结构构造 |
| 3.4 围岩蚀变 |
| 第四章 样品采集及实验测试 |
| 4.1 样品采集 |
| 4.2 样品鉴定 |
| 4.3 主量元素测定 |
| 4.4 微量元素测定 |
| 4.5 碳氧同位素测定 |
| 第五章 矿床的矿物组成与地球化学特征 |
| 5.1 矿物组成特征 |
| 5.2 元素相关性分析 |
| 5.2.1 主量元素相关性分析 |
| 5.2.2 微量元素相关性分析 |
| 5.3 蚀变过程元素迁移规律 |
| 5.3.1 主量元素迁移特征 |
| 5.3.2 微量元素迁移特征 |
| 5.3.3 稀土元素迁移特征 |
| 5.3.4 蚀变岩元素变化特征 |
| 5.4 碳氧同位素地球化学特征 |
| 5.5 本章小结 |
| 第六章 矿床成因分析与元素迁移规律 |
| 6.1 矿床成因分析 |
| 6.1.1 构造与成矿关系 |
| 6.1.2 花岗岩与成矿关系 |
| 6.1.3 共生组合分析 |
| 6.1.4 成矿流体来源分析 |
| 6.2 元素迁移规律 |
| 6.2.1 蚀变分带 |
| 6.2.2 迁移模式 |
| 第七章 结论与不足 |
| 7.1 主要结论 |
| 7.2 问题及展望 |
| 附表 |
| 参考文献 |
| 在学期间研究成果 |
| 致谢 |
（4）基于遗传算法的遥感矿化蚀变信息提取 ——以青海拉陵灶火地区为例（论文提纲范文）
| 中文摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 选题依据及研究意义 |
| 1.1.1 选题依据 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状及存在问题 |
| 1.2.1 国内外研究现状 |
| 1.2.2 存在问题 |
| 1.3 研究内容及技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 1.4 论文组织结构 |
| 第2章 研究区概况与成矿地质背景分析 |
| 2.1 研究区地理概况 |
| 2.2 研究区地质概况 |
| 2.2.1 地层 |
| 2.2.2 构造 |
| 2.2.3 岩浆活动 |
| 2.2.4 矿产情况 |
| 2.3 遥感数据介绍与预处理 |
| 2.3.1 遥感数据源 |
| 2.3.2 研究区遥感数据获取 |
| 2.3.3 遥感数据预处理 |
| 2.4 本章小结 |
| 第3章 基于遗传算法的遥感矿化蚀变信息提取模型 |
| 3.1 研究原理与方法 |
| 3.1.1 岩矿蚀变波谱特征 |
| 3.1.2 遥感蚀变信息提取原理 |
| 3.1.3 遗传算法 |
| 3.2 基于遗传算法的遥感矿化蚀变信息提取 |
| 3.2.1 多光谱遥感特征集合建立 |
| 3.2.2 矿化蚀变目标函数与适应度函数 |
| 3.2.3 基于遗传算法的多光谱遥感矿化蚀变信息提取 |
| 3.3 本章小结 |
| 第4章 研究区遥感矿化蚀变信息提取 |
| 4.1 传统遥感矿化蚀变信息提取 |
| 4.1.1 主成分分析法铁染蚀变信息提取 |
| 4.1.2 主成分分析法羟基蚀变信息提取 |
| 4.2 基于遗传算法的遥感矿化蚀变信息提取 |
| 4.2.1 基于遗传算法的铁染蚀变信息提取 |
| 4.2.2 基于遗传算法的羟基蚀变信息提取 |
| 4.3 遥感矿化蚀变信息提取结果对比分析 |
| 4.3.1 矿化蚀变信息提取结果与信息量 |
| 4.3.2 矿化蚀变信息与已知矿点吻合度 |
| 4.3.3 预测靶区 |
| 4.4 本章小结 |
| 第5章 结论 |
| 5.1 主要工作及结论 |
| 5.2 研究工作展望 |
| 参考文献 |
| 作者简介及在硕士期间取得的成果 |
| 致谢 |
（5）基于多源数据协同的集宁浅覆盖区玄武岩提取方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 选题背景与研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 岩性识别常用数据源 |
| 1.2.2 遥感岩性识别技术 |
| 1.2.3 物化探岩性识别技术 |
| 1.2.4 多源图像数协同方法 |
| 1.2.5 存在问题 |
| 1.3 研究内容及技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 1.3.3 创新点 |
| 1.4 论文组织结构 |
| 2 研究区概况和数据 |
| 2.1 内蒙古集宁区域概况 |
| 2.1.1 自然地理条件 |
| 2.1.2 区域地质概况 |
| 2.2 实验数据介绍及预处理 |
| 2.2.1 遥感和化探实验数据 |
| 2.2.2 遥感数据预处理 |
| 2.2.3 化探数据预处理 |
| 3 遥感岩性识别方法 |
| 3.1 主成分分析信息增强 |
| 3.2 机器学习方法 |
| 3.2.1 最大似然分类 |
| 3.2.2 人工神经网络 |
| 3.2.3 随机森林分类 |
| 3.2.4 支持向量机 |
| 4 基于遥感技术的岩性分类 |
| 4.1 基于遥感影像的岩性目视解译 |
| 4.2 遥感岩性信息增强 |
| 4.3 基于机器学习的岩性提取 |
| 4.3.1 数据准备 |
| 4.3.2 遥感数据岩性分类结果 |
| 5 化探和遥感数据协同识别玄武岩 |
| 5.1 覆盖区多源数据协同方法 |
| 5.2 覆盖区玄武岩的地球化学特征 |
| 5.3 地化元素组合识别玄武岩 |
| 5.4 基于SVM的多源数据协同识别玄武岩 |
| 5.5 野外验证及误差分析 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 不足和展望 |
| 致谢 |
| 参考文献 |
| 附录 (作者简介) |
（6）青海东昆仑成矿带东段地球化学数据处理方法及找矿靶区圈定（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 选题背景及意义 |
| 1.1.1 选题背景 |
| 1.1.2 选题意义 |
| 1.2 研究区范围及交通地理概况 |
| 1.3 勘查地球化学的研究现状 |
| 1.4 化探信息提取 |
| 1.4.1 背景和异常的概念 |
| 1.4.2 背景和异常确定方法的分类 |
| 1.4.3 异常下限的确定 |
| 1.5 化探数据处理的两个进展 |
| 1.5.1 稳健分析 |
| 1.5.2 成分数据 |
| 1.6 东昆仑成矿带东段地球化学研究进展及存在问题 |
| 1.6.1 地球化学研究进展 |
| 1.6.2 存在问题 |
| 1.7 科学问题、研究思路、研究内容及完成工作量 |
| 1.7.1 科学问题 |
| 1.7.2 研究思路 |
| 1.7.3 研究内容 |
| 1.7.4 完成的主要工作量 |
| 1.8 两点说明 |
| 第二章 区域成矿地质背景 |
| 2.1 区域地质 |
| 2.1.1 区域大地构造背景 |
| 2.1.2 区域地层 |
| 2.1.3 研究区主要构造及构造单元划分 |
| 2.1.4 岩浆岩 |
| 2.2 区域地球物理特征 |
| 2.2.1 区域重力场特征 |
| 2.2.2 区域磁场特征 |
| 2.3 区域矿产特征及成矿区带划分 |
| 2.3.1 区域矿产特征 |
| 2.3.2 成矿区带划分及各带成矿规律 |
| 2.4 小结 |
| 第三章 区域地球化学特征 |
| 3.1 区域地球化学总体特征 |
| 3.1.1 元素分布特征 |
| 3.1.2 元素富集离散特征 |
| 3.1.3 元素的共生组合特征 |
| 3.2 元素的时空分布规律 |
| 3.2.1 元素的时间分布规律 |
| 3.2.2 元素的空间分布规律 |
| 3.3 元素在各地质子区中的具体特征 |
| 3.3.1 昆北子区元素特征 |
| 3.3.2 昆中子区元素特征 |
| 3.3.3 昆南子区元素特征 |
| 3.3.4 北巴子区元素特征 |
| 3.4 小结 |
| 第四章 数据处理及异常识别 |
| 4.1 数据处理和异常识别的原则及影响因素 |
| 4.1.1 影响区域地球化学背景的因素 |
| 4.2 单元素数据处理及异常圈定 |
| 4.2.1 ILR变换后数据因子分区标准化方法 |
| 4.2.2 Aitchison距离圈定地球化学异常的方法 |
| 4.3 多元异常圈定 |
| 4.3.1 主成分分析法 |
| 4.3.2 马氏距离法 |
| 4.4 元素含量的空间变化率 |
| 4.4.1 具体做法 |
| 4.4.2 主要成矿元素的空间变化率 |
| 4.5 小结 |
| 第五章 基于地球化学数据的靶区圈定 |
| 5.1 思路 |
| 5.2. 具体做法 |
| 5.2.1 选择地球化学参数 |
| 5.2.2 确定各地球化学参数的权重系数 |
| 5.2.3 各地球化学参数赋值及单元格划分 |
| 5.3 3种类型的找矿信息量及靶区圈定 |
| 5.3.1 与基性岩成矿有关的找矿靶区 |
| 5.3.2 与中酸性岩成矿有关的找矿靶区 |
| 5.3.3 与热液型金矿有关的找矿靶区 |
| 5.4 典型成矿远景区评述 |
| 5.4.1 小干沟-西藏大沟成矿远景区(Y_1) |
| 5.4.2 五龙沟一带成矿远景区(Y_3) |
| 5.4.3 诺木洪郭勒一波洛斯太一带成矿远景区(Y_5) |
| 5.4.4 大厂一扎陵湖一带成矿远景区(Y_7) |
| 5.4.5 东山根一沟里一带成矿远景区(Y_8) |
| 5.4.6 孟可特一冬给措纳湖一带成矿远景区(Y_(10)) |
| 5.4.7 Y_1、Y_5、Y_7、Y_8四个远景区内金矿的找矿潜力分析 |
| 5.5 远景区找矿发现 |
| 5.6 小结 |
| 第六章 结束语 |
| 6.1 主要结论及创新点 |
| 6.1.1 主要结论 |
| 6.1.2 创新点 |
| 6.2 存在问题 |
| 致谢 |
| 参考文献 |
| 附录 |
（7）基于循环神经网络的找矿模型构建与预测（论文提纲范文）
| 1 找矿模型预测理论及技术方法 |
| 2 找矿模型预测方法 |
| 2.1 找矿知识库构建 |
| 2.1.1 找矿概念模型库 |
| 2.1.2 工作程度数据模型库 |
| 2.1.3 已知矿产地模型库 |
| 2.2 找矿概念模型分类 |
| 2.2.1 朴素贝叶斯分类 |
| 2.2.2 CNN算法分类 |
| 2.2.3 RNN算法分类 |
| 2.3 模型匹配与计算 |
| 2.4 模型验证与再数据化 |
| 3 实验与结果 |
| 3.1 资料收集 |
| 3.2 控矿要素分析 |
| 3.2.1 深度学习模型分类 |
| 3.2.2 控矿要素选取 |
| 3.3 找矿模型构建与预测 |
| 4 结论 |
（8）基于地质语义模型和机器学习的成矿远景区预测 ——以甘肃西秦岭为例（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 引言 |
| 1.1 研究背景 |
| 1.2 国内外研究进展 |
| 1.2.1 语义及其地质领域的应用 |
| 1.2.2 机器学习及其地质领域的应用 |
| 1.3 存在问题 |
| 1.4 研究目的与研究意义 |
| 1.4.1 研究目的 |
| 1.4.2 研究意义 |
| 1.5 研究内容与技术路线 |
| 1.5.1 研究内容 |
| 1.5.2 技术路线 |
| 第2章 地质语义模型构建 |
| 2.1 语义模型构建技术原理 |
| 2.1.1 长短时记忆(LSTM) |
| 2.1.2 条件随机场(CRF) |
| 2.1.3 词向量 |
| 2.2 地质矿产语义词典构建 |
| 2.2.1 关键矿种 |
| 2.2.2 控矿因素 |
| 2.3 基于LUIS的地质语义模型构建 |
| 2.3.1 实体定义 |
| 2.3.2 模型训练 |
| 2.3.3 模型验证 |
| 2.4 本章小结 |
| 第3章 特征提取及成矿远景区预测 |
| 3.1 文本挖掘技术 |
| 3.1.1 文本信息抽取技术 |
| 3.1.2 中文分词 |
| 3.2 区域地质特征提取 |
| 3.2.1 文本数据获取及预处理 |
| 3.2.2 分词处理 |
| 3.2.3 词频统计 |
| 3.3 成矿远景区预测 |
| 3.3.1 随机森林算法 |
| 3.3.2 ArcGIS Pro |
| 3.3.3 成矿远景区预测 |
| 3.4 本章小结 |
| 第4章 甘肃西秦岭成矿远景区预测 |
| 4.1 研究区概况 |
| 4.1.1 甘肃省矿产资源概况 |
| 4.1.2 西秦岭地质概况 |
| 4.2 数据获取及预处理 |
| 4.3 区域地质特征信息提取 |
| 4.3.1 西秦岭金矿分布特征及控矿因素分析 |
| 4.3.2 西秦岭地区数据可视化 |
| 4.4 成矿远景区预测 |
| 4.5 结果验证 |
| 4.6 本章小结 |
| 第5章 结论与展望 |
| 5.1 研究结论 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（9）西藏狮泉河地区多元矿化信息分析及成矿预测（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景及意义 |
| 1.2 国内外多元矿化信息找矿研究现状 |
| 1.2.1 遥感构造解译 |
| 1.2.2 遥感矿化蚀变异常信息提取 |
| 1.2.3 多元矿化信息综合成矿预测 |
| 1.3 主要研究内容 |
| 1.4 技术路线 |
| 1.5 完成的主要工作量 |
| 第2章 研究区地质特征 |
| 2.1 自然地理概况 |
| 2.2 大地构造位置 |
| 2.3 地层 |
| 2.4 岩浆岩 |
| 2.4.1 侵入岩 |
| 2.4.2 火山岩 |
| 2.5 变质岩 |
| 2.6 构造 |
| 2.7 化探异常特征 |
| 2.8 矿产分布 |
| 第3章 遥感数据预处理 |
| 3.1 遥感数据获取 |
| 3.1.1 Landsat8 OLI数据 |
| 3.1.2 资源一号02C卫星数据 |
| 3.1.3 ASTER数据 |
| 3.2 数据预处理 |
| 3.2.1 去串扰处理 |
| 3.2.2 辐射校正 |
| 3.2.3 去边框处理及裁剪 |
| 3.2.4 去干扰处理 |
| 第4章 研究区构造信息提取 |
| 4.1 基于高通滤波算法的数据融合 |
| 4.1.1 高通滤波算法的原理 |
| 4.1.2 数据融合 |
| 4.1.3 融合结果及分析评价 |
| 4.2 构造信息解译标志 |
| 4.2.1 线性构造遥感解译标志 |
| 4.2.2 环形构造遥感解译标志 |
| 4.3 构造信息提取 |
| 4.4 构造信息与已知矿点的关系 |
| 第5章 矿化蚀变信息提取研究 |
| 5.1 矿化蚀变信息提取 |
| 5.1.1 蚀变信息光谱理论 |
| 5.1.2 典型蚀变矿物的波谱特征 |
| 5.1.3 比值法提取蚀变信息 |
| 5.1.4 主成分分析法 |
| 5.1.5 组合分析法 |
| 5.1.6 端元波谱矿物填图法 |
| 5.1.7 四种方法的对比分析 |
| 5.2 基于热红外的氧化物反演 |
| 第6章 多元信息分析与成矿预测 |
| 6.1 成矿预测方法 |
| 6.1.1 证据权重法 |
| 6.1.2 BP神经网络算法 |
| 6.2 成矿要素分析 |
| 6.2.1 岩性因子 |
| 6.2.2 构造因子 |
| 6.2.3 蚀变因子 |
| 6.2.4 化探因子 |
| 6.3 多元信息找矿模型构建 |
| 6.4 成矿预测结果及远景区圈定 |
| 6.4.1 证据权法成矿预测 |
| 6.4.2 BP神经网络成矿预测 |
| 6.4.3 成矿远景区圈定 |
| 6.5 野外实地验证 |
| 结论 |
| 致谢 |
| 参考文献 |
| 攻读学位期间取得学术成果 |
（10）柴达木盆地团鱼山地区中侏罗统石门沟组油页岩特征及资源评价（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 前言 |
| 1.1 选题依据、目的及意义 |
| 1.2 油页岩研究现状 |
| 1.3 研究区现状 |
| 1.4 研究内容与技术路线 |
| 1.5 完成工作量 |
| 1.6 主要成果及认识 |
| 第2章 区域地质概况 |
| 2.1 区域构造特征 |
| 2.2 地层发育特征 |
| 第3章 沉积相类型 |
| 3.1 沉积相识别标志及划分 |
| 3.2 三角洲相 |
| 3.3 湖泊相 |
| 3.4 辫状河流相 |
| 第4章 层序地层学特征 |
| 4.1 层序地层识别标志 |
| 4.2 层序地层格架特征 |
| 4.3 沉积相在层序地层格架内的展布 |
| 第5章 研究区油页岩特征及分布 |
| 5.1 油页岩特征 |
| 5.2 油页岩测井识别 |
| 5.3 油页岩展布 |
| 第6章 研究区油页岩资源评价 |
| 6.1 油页岩资源量计算方法 |
| 6.2 油页岩相关参数选取 |
| 6.3 团鱼山石门沟组油页岩资源量估算 |
| 结论 |
| 参考文献 |
| 作者简介及在学期间所取得科研成果 |
| 致谢 |
四、BP神经网络模型在柴北缘—东昆仑造山型金矿预测的应用（论文参考文献）
- [1]深部地质地球化学三维定量矿产预测方法研究 ——以西秦岭早子沟金矿为例[D]. 李程. 成都理工大学, 2021
- [2]基于成分数据及机器学习在阿舍勒地区的综合找矿研究[D]. 郑超杰. 桂林理工大学, 2021(01)
- [3]西秦岭大水金矿矿床地球化学特征与成因研究[D]. 张真. 兰州大学, 2021(09)
- [4]基于遗传算法的遥感矿化蚀变信息提取 ——以青海拉陵灶火地区为例[D]. 董丽芳. 吉林大学, 2020(08)
- [5]基于多源数据协同的集宁浅覆盖区玄武岩提取方法研究[D]. 张雨维. 中国地质大学(北京), 2020(10)
- [6]青海东昆仑成矿带东段地球化学数据处理方法及找矿靶区圈定[D]. 耿国帅. 中国地质大学(北京), 2020(01)
- [7]基于循环神经网络的找矿模型构建与预测[J]. 张亚光,陈建平,贾志杰,李诗,刘苏庆,张志平,张烨. 地质通报, 2019(12)
- [8]基于地质语义模型和机器学习的成矿远景区预测 ——以甘肃西秦岭为例[D]. 陈文悦. 中国地质大学(北京), 2019(02)
- [9]西藏狮泉河地区多元矿化信息分析及成矿预测[D]. 欧俊. 成都理工大学, 2019(02)
- [10]柴达木盆地团鱼山地区中侏罗统石门沟组油页岩特征及资源评价[D]. 王君贤. 吉林大学, 2018(12)