基于频谱激发极化岩性估算监督机器学习方法.pdfVIP

表格

{

边框‑合并:

折叠;

}

表格,

th,

td

{

边框:

1px

实线

#000;

}

基于频谱激发极化数据的监督式机器学

习岩性估算方法

Seungwook

Shin1*、Yaoguo

Li1、Samgyu

Park2、Seong‑Jun

Cho2

1科罗拉多矿业学院重电磁力，科罗拉多州登市

2韩国地质资源（KIGAM），韩国大田市a

，认为可以通过激发极化（IP）信号对矿物组成和孔隙空间分布的依

赖性来区分不同的岩性单元。然而，常用的基于等效电路分析的知识驱动方法往往

严重的模糊性。为克服这一，我们尝试采用基于数据驱动方法的监督机器学习。

我们研究了利用人工神经网络从频谱IP数据预测岩性的可行性。结果表明：通过应用正

则化或基于交叉验证准则终止训练，算法可获得稳定的权重集，从而获得可靠结果。

引言

地质单元中矿物与孔隙流体界面处的电化学行为在外加电场激发下会产生瞬态电信号。

激发极化（IP）作为此类信号之一，一直是矿产勘探的重要工具。绝大多数应用旨在根

据相同的定性相关性，对富含硫化物矿物的异常带进行成像或识别