公开(公告)号：CN115148299B

公开(公告)日：2024-09-06

申请号：CN202210832809.5

申请日：2022-07-15

Applicant: 中国地质大学(北京)

Inventor： 邱昆峰 ,  邓军 ,  周统 ,  周飞 ,  王瑀 ,  于皓丞

IPC: G16C20/20 ,  G16C20/70 ,  G06F18/214 ,  G06F18/2431 ,  G06N20/00

Abstract: 本发明公开了一种基于XGBoost的矿床类型鉴别方法及系统，收集磷灰石微量元素数据，并构建训练集和测试集；基于XGBoost算法构建机器学习模型，使用所述训练集对机器学习模型进行训练，并使用所述测试集对训练的模型进行评估；将待鉴别的磷灰石微量元素数据输入至得到的机器学习模型，得到矿床成因类型预测结果。相比于传统方法，机器学习模型具有更高的准确率和可信度；可通过磷灰石微量元素鉴别矿床成因类型，和预测未知岩体的成矿潜力；该方法适用性更广，更加便捷。

公开(公告)号：CN115148299A

公开(公告)日：2022-10-04

申请号：CN202210832809.5

申请日：2022-07-15

Applicant: 中国地质大学(北京)

Inventor： 邱昆峰 ,  邓军 ,  周统 ,  周飞 ,  王瑀 ,  于皓丞

IPC: G16C20/20 ,  G16C20/70 ,  G06K9/62 ,  G06N20/00

Abstract: 本发明公开了一种基于XGBoost的矿床类型鉴别方法及系统，收集磷灰石微量元素数据，并构建训练集和测试集；基于XGBoost算法构建机器学习模型，使用所述训练集对机器学习模型进行训练，并使用所述测试集对训练的模型进行评估；将待鉴别的磷灰石微量元素数据输入至得到的机器学习模型，得到矿床成因类型预测结果。相比于传统方法，机器学习模型具有更高的准确率和可信度；可通过磷灰石微量元素鉴别矿床成因类型，和预测未知岩体的成矿潜力；该方法适用性更广，更加便捷。