核主成分分析在矿产资源靶区预测中应用.pdfVIP

核主成分分析在矿产资源靶区预测中的应用1 陈永良，矫希国，李学斌，林楠 吉林大学综合信息矿产预测研究所， 长春130026 摘要介绍了核主成分分析模型的基本原理。以该模型为基础，提出一种无调练区的矿产靶区预铡方法。 该方法可以描述为以下六步：①选择核函数模型并定义其参数。计算核矩阵：②修改核矩阵的元素，使修 改后核矩阵的元索是由特征空间中满足中心化条件的样品映像计算出来的：③应用Lstlgzos算法确定修改 后核矩阵的端部最大特征对：④计算与修改后核矩阵最大特征值对应的核主成分；⑤用空间叠置方法确定 核主成分分析得分是否能够正确反映研究区已知矿产资源的空间分布规律：⑥改变核函数模型及参数重复 步骤①至⑤直到找到与已知矿产资源吻台程度相对最好的核主成分为止．最后．用吻合程度最好的核主成 分圈定矿产资源靶区．在GDAL和CLAPACK两个软件包基础上用VC．H语言开发了算法程序．把该模型 应用予新疆阿勒泰地区的矿产靶区预测研究．用11种二态找矿证据作为输入变量，把研究区划分成15100 个网格统计单元，用高斯径向基核函数和多项式核函数簪三种常用核蘧数构建矿产靶区预测模型，并将这 些模型的靶区预禊《结果与证据权重法进行了对比。研究结果表明该方法是可行的。 关键词核爱数；特征空间；核主成分分析；矿产靶区预测。 ，引言 矿产靶区统计预iIll模型研究是统计学、计算机科学和矿产勘查等学科相交叉领域的一个 研究热点。在过去40年中，研究者们把一系列统计模型引入矿产预测研究领域，发挥了积 极的作用。例如，逻辑斯蒂回归模型ll】、贝叶斯统计模型【2】、证据加权模型【H】、扩展证据加 权模型【51、模糊证据加权模型嘲、典型有利性模型【7】、指示有利性模型队多重分形奇异性 模型【91、模糊逻辑模型【lOl、人工神经网络【llll21、广义确定性因子模型【13．Ⅲ、证据理论模型(1孓1玎、 决策树模型lJq和核最小二乘模型【19)等等。 在核主成分分析模型基础上，提出了一种新的矿产靶区统计预测方法并在我国新疆阿勒 泰地区进行了应用实验研究。该模型可以同时使用定量和名义尺度两种变量，而且不需要预 先定义训练区。新方法首先应用核函数理论将地质统计单元从输入空间(找矿证据空间)隐 式地非线性变换至特征空间。在特征空间中对地质统计单元映像进行主成分分析，方差贡献 最大的核主成分代表特征空间中统计单元映像集合综合属性变化性最大的方向，这个方向通 常接近主矿化方向(或相反方向)，在该方向上，含矿单元和非含矿单元具有最大的可分离 性。因此，可以用方差贡献最大的核主成分区分含矿与非含矿单元，圈定矿产资源靶区。 言开发了矿产靶区预测的核主成分分析模型算法程序。该程序的输入、输出数据可以是多种 栅格格式的数字图像数据，数字图像中的像素即为矿产靶区预测中的统计单元。把新模型初 步应用于新疆阿勒泰地区的矿产靶区预测研究，靶区预测结果与实际地质情况基本吻合。 2核主成分分析模型的基本原理f20‘22l 设输入数据空间舻中有刀个样品数据，‘◇=l，乙…，力)，‘∈R，。用非线性函数西(·)把 数据从输入空间变换到特征空间F，即 西：R户一F，xI)咖(工) (1) 特征空间，为高维欧氏空间或无穷维Hilbert空间。不妨假设特征空间，的维数为m(mS∞)， 并进一步假设交换后特征空间中的数据映像圣(x)是中心化的，即 1国家自然科学基金(No资助。 ∑二，西(为)=o (2) 式中，痧(而)为第，a=1,2，．．．，珂)个样品在特征空间中的映像。则在特征空间，中，协方差 矩阵可以表示为 (3) 虿==1乙问s西(鼍)西(鼍)T 定义，，x坍阶矩阵西． 咖1=p(而)，痧(jc2)，…，西(％)】 (4) 于是t／／×m阶协方差矩阵C可进一步表示成 虿：三西T咖