|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 2011~2020年勘查地球化学数据处理研究进展显示文摘我国建立了包含海量数据的高质量的勘查地球化学数据库,为矿产勘查、环境评价和地质调查等提供了重要的数据支撑。如何高效处理勘查地球化学数据,并从中发掘和识别深层次信息一直是勘查地球化学学科研究的热点和前沿领域。本文在系统调研国内外学者过去十年发表的论著基础上,对勘查地球化学数据处理方法进行分析与对比,从勘查地球化学数据库建设、地球化学异常识别及其不确定性评价等方面概述了我国近十年来在该领域取得的主要研究进展,包括:(1)分形与多重分形模型由于考虑了地球化学空间模式的复杂性和尺度不变性,在全球范围内得到极大的发展和推广,我国学者引领了基于分形与多重分形的勘查地球化学数据处理;(2)机器学习和大数据思维开始在该领域启蒙,并迅速得到关注,正在成为研究热点和前沿领域,我国学者率先开展基于机器学习算法的勘查地球化学大数据挖掘研究;(3)我国学者需要进一步加强勘查地球化学数据缺失值处理以及成分数据闭合效应研究。今后该领域应进一步加强对弱缓地球化学异常识别、异常不确定性评价以及异常识别与其形成机理相结合等方面的研究。 | 左仁广 王健 熊义辉 王子烨 | 2021 | 矿物岩石地球化学通报2021，40，1： | 17 |
| 2 | 孤立森林算法在大坝监测数据异常识别中的应用显示文摘大坝安全监测数据的可靠性和完整性是分析监测效应量变化规律、评判大坝运行性态的前提,有必要对大坝安全监测异常数据进行识别和清除,以提高监测数据质量。将适用于大数据处理的孤立森林算法应用于大坝监测异常数据识别中,首先通过小波变换提取监测数据的趋势项,然后采用孤立森林算法对扣除趋势项的剩余量进行异常值识别。通过实例对比分析发现该方法能有效识别大坝监测数据的异常值。 | 张海龙 范振东 陈敏 | 2020 | 人民黄河2020，42，8： | 12 |
| 3 | 基于数据重构与孤立森林法的大坝自动化监测数据异常检测方法显示文摘大坝安全自动化采集的监测数据不可避免地存在粗差、缺测等问题,针对异常数据量值、数量以及分布规律的不确定性,人工删除异常值存在工作量大、主观性强等不足,提出一种基于数据重构与孤立森林法的异常数据检测方法,该方法是一种无监督的学习方法,不需要根据特征标签进行样本学习,适用范围较广。首先对大坝自动化监测数据进行分解与重构,分离出趋势项,而后用孤立森林算法对剩余项进行判别,计算测点的异常分数,并剔除明显的异常数据,最后再根据拉依达准则进一步清理异常数据。通过实例验证,该方法能较好检测出大坝安全自动化异常监测数据,满足工程实际应用。 | 赵新华 范振东 何宇 查益华 | 2021 | 中国农村水利水电2021，，9： | 10 |
| 4 | 地球化学异常识别的两种机器学习算法之比较显示文摘在Sklearn的Python语言代码基础上,开发了基于孤独森林和一类支持向量机的多元地球化学异常识别方法程序。选择吉林省和龙地区为实验区,从1∶5万水系沉积物资料中提取地球化学异常。把实验区已知矿点的空间分布位置作为'地真'数据,绘制两种机器学习算法的ROC曲线并计算AUC值,用来对比两种方法的多元地球化学异常识别效果。研究结果表明:两种机器学习算法都能够有效识别多元地球化学异常,所提取的多元地球化学异常与已知矿点具有显著的空间关联性;孤独森林算法在数据处理耗时和多元地球化学异常识别效果方面略优于一类支持向量机。 | 郑泽宇 赵庆英 李湜先 邱士龙 | 2018 | 世界地质2018，37，4： | 4 |
| 5 | 基于GMM-ICSA的光谱重叠峰分解研究显示文摘针对X射线荧光光谱法(XRF)中Pb元素和As元素的重叠峰导致的元素浓度建模困难、乌鸦搜索算法(CSA)鲁棒性较弱等问题,将高斯混合模型(GMM)与改进型乌鸦算法(ICSA)相结合来实现重叠峰的分解。ICSA相比于CSA的改进主要有:引入了'乌鸦反哺'的特性,将GMM与ICSA更好的衔接在一起;将固定的意识概率更改为梯度型,使种群迭代更有多样性;适当调整了全局的优化策略,使算法更稳定收敛更快。将GMM模型与GMM-ICSA模型作对比实验,可得优化后的模型分解精度提升了4.93%;同时以均方误差和迭代时间为衡量搜索算法的标准,将ICSA与同类型的4种算法做了对比实验得出:CSA的均方误差和迭代时间均优于其他算法,从而表明改进后的算法能处理重叠峰问题的可行性。 | 朱丹丹 孙世成 杨惠 张灿 朱奇光 李康 史彦新 陈颖 | 2021 | 计量学报2021，42，10： | 2 |
| 6 | 基于IF-CM-LOF的尾矿坝位移监测数据离群值诊断显示文摘为解决孤立森林(IF)算法在离群值识别过程中对于边界位置数据处理结果的模糊性和不确定性问题,提高监测数据中异常值的检出率,在使用IF算法进行离群值初步识别的基础上,将IF量化计算后的异常得分引作变量,导入云模型(CM)逆向云发生器,根据逆向云变换所得的云数字特征值实现边界数据定位,进一步引入局部异常因子(LOF)算法对所定位的边界数据进行二次精确诊断,以某尾矿坝地表位移监测数据为例进行了模型验证。研究结果表明:对于监测数据中真实异常值和边界部分随机误差,IF模型检出率为16.5%和22.2%,而IF-CM-LOF模型的检出率分别达到90%和61.1%,离群值诊断性能明显优于IF模型。 | 易思成 康喜明 吴浩 胡少华 | 2022 | 金属矿山2022，51，11： | 2 |
| 7 | 基于多点关联性的尾矿坝位移监测序列异常值诊断显示文摘针对尾矿坝位移监测序列中噪声和真实异常值的区分问题,提出1种基于多点关联性和改进孤立森林(IF)算法的异常数据诊断模型。通过IF算法对监测序列中的各样本点异常程度进行量化计算,引入云模型(CM)算法确定IF量化的异常得分与异常概念的相互映射关系以实现异常点的初步诊断,根据Apriori算法计算多测点序列间的关联性,找出强关联序列组合,结合序列关联性以及异常点诊断结果区分噪声与真实异常值。以某尾矿坝位移监测序列为例进行模型验证。研究结果表明:基于多点关联性的异常诊断模型能够有效区分尾矿坝位移监测序列中的噪声与真实异常值,提高监测系统的准确性。 | 易思成 康喜明 吴浩 胡少华 | 2022 | 中国安全生产科学技术2022，18，6： | 1 |
| 8 | Identification model of geochemical anomaly based on isolation forest algorithm显示文摘The methods for geochemical anomaly detection are usually based on statistical models, and it needs to assume that the sample population satisfies a specific distribution, which may reduce the performance of geochemical anomaly detection. In this paper, the isolation forest model is used to detect geochemical anomalies and it does not require geochemical data to satisfy a particular distribution. By constructing a tree to traverse the average path length of all data, anomaly scores are used to characterize the anomaly and background fields, and the optimal threshold is selected to identify geochemical anomalies. Taking 1∶200 000 geochemical exploration data of Fusong area in Jilin Province, NE China as an example, Fe2O3 and Pb were selected as the indicator elements to identify geochemical anomalies, and the results were compared with traditional statistical methods. The results show that the isolation forest model can effectively identify univariate geochemical anomalies, and the identified anomalies results have significant spatial correlation with known mine locations. Moreover, it can identify both high value anomalies and weak anomalies. | SHANG Yinmin LU Laijun KANG Qiankun | 2019 | Global Geology2019，22，3： | 1 |
| 9 | Detection of Multivariate Geochemical Anomalies Using the Bat-Optimized Isolation Forest and Bat-Optimized Elliptic Envelope Models显示文摘Isolation forest and elliptic envelope are used to detect geochemical anomalies,and the bat algorithm was adopted to optimize the parameters of the two models.The two bat-optimized models and their default-parameter counterparts were used to detect multivariate geochemical anomalies from the stream sediment survey data of 1:50000 scale collected from the Helong district,Jilin Province,China.Based on the data modeling results,the receiver operating characteristic(ROC)curve analysis was performed to evaluate the performance of the two bat-optimized models and their default-parameter counterparts.The results show that the bat algorithm can improve the performance of the two models by optimizing their parameters in geochemical anomaly detection.The optimal threshold determined by the Youden index was used to identify geochemical anomalies from the geochemical data points.Compared with the anomalies detected by the elliptic envelope models,the anomalies detected by the isolation forest models have higher spatial relationship with the mineral occurrences discovered in the study area.According to the results of this study and previous work,it can be inferred that the background population of the study area is complex,which is not suitable for the establishment of elliptic envelope model. | Yongliang Chen Shicheng Wang Qingying Zhao Guosheng Sun | 2021 | Journal of Earth Science2021，32，2： | 0 |
您所在的机构暂未开通此部分的功能，请联系管理员