中文摘要 | 第4-7页 |
Abstract | 第7-9页 |
第1章 绪论 | 第14-20页 |
1.1 选题背景 | 第14-15页 |
1.2 研究现状与分析 | 第15-16页 |
1.3 研究成果及创新点 | 第16-18页 |
1.4 论文的构成 | 第18-20页 |
第2章 地学数据挖掘中变量和数据研究的基本理论 | 第20-34页 |
2.1 地学变量的概念及分类 | 第20-22页 |
2.2 地学数据的概念、分类及特点 | 第22-23页 |
2.3 地学变量的选择原则 | 第23-24页 |
2.4 地学变量间相关关系的数学研究 | 第24-34页 |
2.4.1 简单相关系数(线性相关分析) | 第24-25页 |
2.4.2 偏相关系数(偏相关分析) | 第25-26页 |
2.4.3 信息量计算法 | 第26-27页 |
2.4.4 列联表分析与卡方检验 | 第27-34页 |
第3章 地学空间变量降维方法的理论基础 | 第34-49页 |
3.1 维灾难与空间变量降维的概念 | 第34页 |
3.2 空间变量降维(特征提取与选择)的模式 | 第34-35页 |
3.3 空间变量降维方法的模型研究 | 第35-48页 |
3.3.1 主成分分析模型(PCA) | 第35-38页 |
3.3.2 因子分析(FA)模型 | 第38-40页 |
3.3.3 数量化理论(QT)模型 | 第40-42页 |
3.3.4 遗传算法(GA)模型 | 第42-45页 |
3.3.5 BP神经网络模型 | 第45-48页 |
3.4 小结 | 第48-49页 |
第4章 研究区地质、地球物理及地球化学特征 | 第49-61页 |
4.1 区域地质特征 | 第49-56页 |
4.1.1 地层 | 第49-52页 |
4.1.2 构造 | 第52-54页 |
4.1.3 侵入岩 | 第54-56页 |
4.2 区域地球物理特征 | 第56-58页 |
4.3 区域地球化学特征 | 第58-61页 |
4.3.1 元素地球化学参数特征 | 第58页 |
4.3.2 元素地球化学场特征 | 第58-61页 |
第5章 基于PCA-BP算法的地球化学元素异常确定 | 第61-86页 |
5.1 区域地球化学元素异常确定与筛选的现状 | 第61页 |
5.2 区域地球化学元素异常确定与筛选存在问题分析 | 第61-62页 |
5.3 区域地球化学元素异常确定与筛选的新思路 | 第62-63页 |
5.4 PCA-BP算法的特征概述 | 第63-64页 |
5.5 应用PCA-BP算法的主要步骤 | 第64-69页 |
5.6 实例应用与分析 | 第69-84页 |
5.6.1 实例概述 | 第69-70页 |
5.6.2 数据采集与处理 | 第70-73页 |
5.6.3 基于PCA-FA-CA模型的元素组合异常确定 | 第73-76页 |
5.6.4 元素组合异常的计算与分布 | 第76-77页 |
5.6.5 基于BP神经网络模型的元素组合异常综合识别 | 第77-84页 |
5.7 小结 | 第84-86页 |
第6章 基于IQ-QT与IQ-GA-BP混合算法的模型参数变量的优化提取 | 第86-125页 |
6.1 参数变量优化提取的地学意义 | 第86-87页 |
6.2 参数变量优化提取工作现状 | 第87-92页 |
6.3 参数变量优化提取的新思路 | 第92-93页 |
6.4 IQ-QT混合算法的特征概述 | 第93页 |
6.5 IQ-GA-BP混合算法的特征概述 | 第93-94页 |
6.6 地质参数变量优化选择的步骤 | 第94-104页 |
6.6.1 IQ-QT算法 | 第94-99页 |
6.6.2 IQ-GA-BP算法 | 第99-104页 |
6.7 实例应用与分析 | 第104-123页 |
6.7.1 实例概述 | 第104-105页 |
6.7.2 数据采集与处理 | 第105页 |
6.7.3 成矿标志到地质变量的数字转换 | 第105-108页 |
6.7.4 基于IQ-QT算法的特征提取 | 第108-116页 |
6.7.5 基于IQ-GA-BP算法的特征提取 | 第116-120页 |
6.7.6 变量优选结果的应用 | 第120-123页 |
6.8 小结 | 第123-125页 |
第7章 结论 | 第125-127页 |
参考文献 | 第127-137页 |
作者简介及在学期间所取得的科研成果 | 第137-138页 |
致谢 | 第138页 |