基于深度学习的蚀变矿物识别——以新疆白杨河铀矿床为例

摘要

神经网络与深度学习理论为蚀变矿物的高效、准确、智能化识别提供了基础.文章基于深度学习框架Tensorflow,以新疆白杨河铀矿床8个钻孔的4类蚀变矿物光谱数据为例,设计全连接网络、残差神经网络与一维卷积神经网络3种不同的模型进行蚀变矿物识别研究.结果表明3种模型都能达到很好的效果,其中一维卷积神经网络的识别精度最高,测试精度达87％,kappa系数为0.78,较其他模型具有更好的稳定性.同时证明数据的预处理对模型的识别精度存在不同的影响.