多源信息耦合的成矿预测新模型研究
| 摘要 | 第1-10页 |
| ABSTRACT | 第10-20页 |
| 第一章 绪论 | 第20-34页 |
| ·成矿预测基本理论 | 第20-22页 |
| ·成矿预测的基本概念 | 第20页 |
| ·成矿预测的主要步骤 | 第20-21页 |
| ·成矿预测的主要方法 | 第21-22页 |
| ·成矿预测的研究进展 | 第22-28页 |
| ·成矿预测的国外研究进展 | 第22-24页 |
| ·成矿预测的国内研究进展 | 第24-26页 |
| ·成矿预测模型的研究进展 | 第26-28页 |
| ·两种新模型及其研究进展 | 第28-31页 |
| ·投影寻踪模型及其研究进展 | 第28-29页 |
| ·支持向量机模型及其研究进展 | 第29-31页 |
| ·选题目的和研究方法 | 第31-34页 |
| ·课题背景及意义 | 第31-32页 |
| ·研究方法和工作量 | 第32-33页 |
| ·主要创新点 | 第33-34页 |
| 第二章 自然地理与地质背景 | 第34-47页 |
| ·自然地理 | 第34-35页 |
| ·地质背景 | 第35-43页 |
| ·区域地层 | 第37-38页 |
| ·区域岩浆岩 | 第38-40页 |
| ·区域构造 | 第40-43页 |
| ·区域矿产概况 | 第43-44页 |
| ·金属矿产地质特征 | 第43-44页 |
| ·非金属矿产地质特征 | 第44页 |
| ·能源矿产地质特征 | 第44页 |
| ·研究区主要矿床（点） | 第44-47页 |
| 第三章 区域地球物理、地球化学及其它信息 | 第47-68页 |
| ·地球物理信息 | 第47-55页 |
| ·区域地球物理场特征 | 第47-49页 |
| ·研究区地球物理特征 | 第49-54页 |
| ·航磁异常区域具体特征 | 第54-55页 |
| ·地球化学信息 | 第55-65页 |
| ·地球化学场特征 | 第55-65页 |
| ·地球化学异常特征 | 第65页 |
| ·自然重砂信息 | 第65页 |
| ·遥感信息 | 第65-68页 |
| ·线性与环形构造 | 第66-68页 |
| 第四章 区域成矿规律及找矿信息 | 第68-71页 |
| ·成矿规律概述 | 第68页 |
| ·矿床空间分布 | 第68页 |
| ·成矿区带划分 | 第68页 |
| ·矿化信息提取 | 第68-70页 |
| ·含（赋）矿地层 | 第69页 |
| ·控矿侵入岩空间分析与信息提取 | 第69页 |
| ·控矿构造空间分析与信息提取 | 第69页 |
| ·围岩蚀变 | 第69-70页 |
| ·找矿信息提取 | 第70-71页 |
| ·地球物理信息 | 第70页 |
| ·地球化学信息 | 第70页 |
| ·遥感地质信息 | 第70页 |
| ·自然重砂信息 | 第70-71页 |
| 第五章 综合信息找矿模型在成矿预测中的应用 | 第71-77页 |
| ·综合信息找矿模型概述 | 第71页 |
| ·铜多金属矿综合信息找矿模型 | 第71-73页 |
| ·主要步骤 | 第72-73页 |
| ·预测变量重要性赋值 | 第73页 |
| ·在铜多金属矿预测中的应用 | 第73-77页 |
| ·预测变量选取 | 第73-74页 |
| ·成矿有利度计算 | 第74-75页 |
| ·预测靶区分析 | 第75-77页 |
| 第六章 信息量‐专家证据权重法耦合的成矿预测 | 第77-86页 |
| ·专家证据权重法 | 第77页 |
| ·专家证据权重法特点 | 第77页 |
| ·专家证据权重方法的实现 | 第77页 |
| ·专家证据权重法的应用 | 第77-80页 |
| ·参数的设定 | 第78页 |
| ·证据因子及权重确定 | 第78页 |
| ·后验概率计算 | 第78-79页 |
| ·成矿靶区确定与评价 | 第79-80页 |
| ·信息量预测方法的应用 | 第80-82页 |
| ·信息量法的理论 | 第80-81页 |
| ·信息量法的实现 | 第81-82页 |
| ·信息量‐专家证据权重耦合的成矿预测 | 第82-86页 |
| ·D-S 证据理论 | 第82-83页 |
| ·权重的融合 | 第83-84页 |
| ·预测结果与分析 | 第84-86页 |
| 第七章 基于人工神经网络的成矿预测 | 第86-99页 |
| ·BP 人工神经网络基本原理 | 第86-87页 |
| ·BP 人工神经网络训练样本构建 | 第87-91页 |
| ·样本构建原则 | 第87-88页 |
| ·样本构建 | 第88-91页 |
| ·BP 人工神经网络实现 | 第91-92页 |
| ·预测结果与分析 | 第92-95页 |
| ·进化算法优化的BP 人工神经网络成矿预测 | 第95-99页 |
| ·遗传算法 | 第95-96页 |
| ·粒子群算法 | 第96-98页 |
| ·在成矿预测中的应用 | 第98-99页 |
| 第八章 基于投影寻踪模型的成矿预测 | 第99-104页 |
| ·投影寻踪插值模型 | 第99-100页 |
| ·基本原理 | 第99-100页 |
| ·模型的投影方向优化 | 第100-102页 |
| ·改进的蚁群算法 | 第100-102页 |
| ·在成矿预测中的应用 | 第102-104页 |
| 第九章 基于支持向量回归机模型的成矿预测 | 第104-109页 |
| ·支持向量回归机基本原理 | 第104-105页 |
| ·支持向量回归机模型参数优化 | 第105页 |
| ·网格搜索法 | 第105页 |
| ·启发式算法优化参数 | 第105页 |
| ·在成矿预测中的应用 | 第105-107页 |
| ·模型参数选取 | 第105-106页 |
| ·预测结果与分析 | 第106-107页 |
| ·基于小样本建模的三种模型比较 | 第107-109页 |
| ·基于小样本的神经网络建模 | 第107-108页 |
| ·基于小样本的投影寻踪建模 | 第108页 |
| ·基于小样本的支持向量机建模 | 第108-109页 |
| 第十章 主要结论 | 第109-112页 |
| ·主要结论 | 第109-111页 |
| ·问题与思考 | 第111-112页 |
| 致谢 | 第112-113页 |
| 参考文献 | 第113-120页 |
| 攻读博士学位期间发表的论文 | 第120-122页 |
