一种基于成矿规律构建深度学习损失函数的方法

摘要

本发明提供了一种基于成矿规律构建深度学习损失函数的方法，具体包括：选取与热液型矿床相关的控矿要素，制作缓冲区；分别统计落在各层缓冲区上的矿床数，构建矿床的空间分布密度与矿床离控矿要素的距离之间的幂律函数；不同缓冲区赋予不同权重，即离控矿要素越近的区域，成矿的潜力越大，权重越大；对研究区中出现物理不一致性预测的位置设置不同程度的误差惩罚项，离控矿要素越近的区域，设置较小的误差惩罚项，构建基于物理约束的损失函数，实现深度学习软约束。本发明既可提高矿致异常提取和矿产资源定量预测的成效，又可提升深度学习模型的可解释性。