专家乘积模型矿产资源评价研究

专家乘积模型用有限个独立低维统计模型的乘积来表示复杂高维非线性综合模型，从而使综合模型的高维统计推断结果不受"维数灾难"影响。矿产资源评价是复杂高维非线性系统的建模与评价过程，其结果必然受"维数灾难"影响，研制非线性矿产资源评价专家乘积新模型，能够最大限度地减少矿产资源评价中的"维数灾难"问题。鉴于此，项目组拟概括和总结专家乘积模型理论与应用研究的最新成果，借鉴专家乘积模型在手写数字识别、人脸识别和新奇检测等应用研究领域的成功经验，研制基于专家乘积模型的非线性矿产资源评价新技术与新方法，开发基于GIS的矿产资源评价专家乘积模型高效算法，在试验区创建一个专家乘积模型矿产资源评价的应用范例。项目研究工作能够推动专家乘积模型理论的发展，完善当代非线性矿产资源评价方法体系，具有重要的理论意义和推广应用前景。

专家乘积模型(PoE)用有限个独立低维统计模型的乘积来表示复杂高维非线性综合模型，从而使综合模型的高维统计推断不受“维数灾难”影响。矿产资源评价是复杂高维非线性系统的建模与评价过程，其结果必然受“维数灾难”影响，研制非线性矿产资源评价专家乘积新模型，能够最大限度地减少矿产资源评价中的“维数灾难”问题。专家乘积模型和Boltzmann机（BM）模型分属于两个完全不同的研究领域。两者之间相交叉的部分构成了约束Boltzmann机（RBM）。约束波尔茨曼机是由两层神经元构成的只有层间神经元存在互连的波尔茨曼机，它是一种每一个隐藏神经元表示一个“专家”的专家乘积模型。鉴于此，我们以约束Boltzmann机模型理论为核心，在概括和总结约束Boltzmann机模型理论与应用研究最新成果基础上，借鉴该模型理论在手写数字识别、人脸识别和新奇检测等应用研究领域的成功经验，把地质异常信息提取和矿产资源靶区预测融为一体，研制出多元地质异常信息自动提取和矿产靶区预测的约束波尔茨曼机模型方法体系。该方法体系主要包括：（a）基于连续约束波尔茨曼机(CRBM)的复杂地质背景中多元地球化学异常识别模型与算法；（b）基于高斯约束波尔茨曼机(GBRBM)的遥感图像异常信息识别模型与算法；（c）基于简单专家乘积模型（BRBM）的地质异常靶区预测模型与算法；（d）建立了面向矿产靶区预测应用的三层BM模型并进行了应用实验研究。另外，项目组还研制出面向矿产靶区预测的核主成分回归分析模型、遥感图像像素级异常识别的方法以及面向遥感图像非监督分类的核概率距离聚类模型等。以Python和VC++集成开发环境为软件平台，研发出面向地物化遥多源地学数据分析处理、多元地质异常信息提取和地质异常矿产靶区预测的约束Boltzmann机模型体系算法软件包。以新疆阿勒泰地区和吉林省白山地区为实验研究区，分别进行了矿产靶区预测应用实验和复杂地质背景中多元地球化学异常识别实验，另外，用美国圣地亚哥189个波段的高光谱遥感数据进行高光谱遥感异常检测实验研究，这些实验研究结果都取得了令人满意的结果。项目研究工作对完善当代非线性矿产资源评价方法体系、革新遥感图像微小目标识别技术和区域化探技术都具有重要意义。