基于语义分割深度学习的找矿靶区预测研究——以广东省阳江-茂名地区为例.pdfVIP

第59卷第5期贾黎黎地质与勘探Vol.59No.5

2023年9月GEOLOGYANDEXPLORATIONSeptember，2023

doi:10.12134/j.dzykt.2023.05.015

基于语义分割深度学习的找矿靶区预测研究—以广东省

阳江-茂名地区为例

贾黎黎，朱世博，王建荣，胡飞跃

（广东省地质调查院，广东广州510080）

［摘要］找矿靶区预测需要综合考虑地质背景、地球化学数据、地球物理勘探数据、遥感数据

等因素。随着人工智能时代的到来，靶区预测可以最大限度地利用计算机运算性能，通过特定的规则

集成所有地学数据对各类矿种的找矿靶区进行预测，尽可能规避由于数据种类多、数据量大、方法复

杂、主观性强造成的预测结果可靠性差等问题。本文以广东省阳江-茂名地区为例，融合地球化学、

地层岩性、地质构造、地形地貌等数据，基于PSPNet、SegNet、UNet三种语义分割深度学习模型进行

预测，结果表明PSPNet模型在预测精度方面优于SegNet及UNet模型，并预测出了55处铁矿、金矿、

铜矿、高岭土矿找矿靶区，其中79.7%的已查明矿点位于预测靶区内，表明该方法在找矿靶区预测中

具有较高的可行性，可以用于找矿勘查并圈定靶区。

［关键词］语义分割PSPNet卷积找矿靶区地球化学阳江茂名广东省

［中图分类号］P614.4+63;P614.4+64;TP391［文献标识码］A［文章编号］0495-5331(2023)05-

1093-10

JiaLili,ZhuShibo,WangJianrong,HuFeiyue.Predictionofprospectingtargetsbasedon

semanticsegmentationwithdeeplearning:AcasestudyoftheYangjiang-Maomingareain

GuangdongProvince[J].GeologyandExploration,2023,59(5):1093-1102.

网络（ZhangandZuo.，2021；Lietal.，2022）和深度自

0引言

动编码器（XiongandZuo，2016；Xiongetal.，2018；

过去的几十年中，地球化学异常一直在矿产勘Chenetal.，2019；Zhangetal.，2019；Luoetal.，2020）

探领域发挥着日益重要的作用（Cohenetal.，2010；三类。这些方法能够自动从多源找矿信息中提取

Grunsky，2010；ZuoandWang，2016；梁鸣等，2022；高级特征，并实现大规模数据表征。

郭小刚等，2023）。随着深度学习技术的不断发展尽管众多学者已经在探索如何将深度学习更好

和普及，其在地球化学数据分析和找矿预测中的应地运用于找矿预测，并取得了一系列成果，但目前仍

用也越来越受到人们的关注（XiongandZuo，2020；存在一些尚未解决的问题：（1）深度神经网络（DNN）

Luoetal.，2020；钟羽等，202