基于稀疏成分分析的找矿信息识别

This project aims at critical problems in mineral resources prediction and evaluation, such as ore-prospecting weak information extraction, multisource information fusion. Based on the frontier achievements in Sparse Component Analysis(SCA), multisource information fusion and association analysis, new theories and methods for ore-prospecting weak information identification based on SCA are explored to mine the latent ore-prospecting information in various spatial data(remote sensing, mineral, geochemical data). We take the multi-source geological data as research target, and mainly study: 1) The research of SCA key algorithm; 2) Ore-prospecting weak information mining with SCA; 3) Multi-source Ore-prospecting data fusion and association analysis. It will effectively separate the useful information with "sparse", "weak" character from the background with strong noise by introducing SCA and multi-source data association analysis into mineral resources prediction, proposing an identification method for the structure and alteration of remote sensing image, extracting the ore-prospecting information, building a model to analyze comprehensive ore-prospecting information. It has great theoretical and practical meanings for enriching the theory of SCA, improving ore-prospecting identification method, building a high-efficiency model for mineral resources prediction and secondary mining on the existing data.

针对矿产资源预测中与弱信息提取及多源信息融合相关的关键科学问题，基于稀疏成分分析、多源数据融合与关联分析等领域的前沿成果，通过对基于稀疏成分分析的找矿弱信息识别新理论、新方法的研究，实现多源空间信息（遥感、矿产、地球化学等）中找矿信息的挖掘。本项目以多源地质空间数据为主要对象，重点研究：①稀疏成分分析核心算法研究；②基于稀疏成分分析的找矿弱信息挖掘；③多源找矿信息融合与关联分析。通过将稀疏成分分析和多源数据关联分析引入矿产资源预测，提出基于形态学稀疏成分分析的遥感影像构造、蚀变的识别方法，实现找矿信息提取和综合找矿信息分析模型建立，必能很好地从强背景噪声下分离具有“稀疏性”、“微弱性”的有用信息，降低不确定性影响，准确而有效地实现找矿信息识别。对丰富稀疏成分分析理论、改进找矿信息识别方法、建立高效的矿产资源预测模型及对已有资料的二次开发具有重要的理论与实际意义。

遥感（地球化学）找矿主要是基于地质矿产、岩性、地层构造等地质特征，对多/高光谱等遥感和地球化学数据中蕴含的地质信息进行数据挖掘和矿产发现。本项目通过对遥感和地球化学数据进行稀疏成分分析（SCA），研究稀疏成分（弱信息）与地质先验信息（地质图等矿产信息）的关联规则，筛选出找矿信息组合。项目执行期间申请国家发明专利8项，已授权3项，获准软件著作权2项，在相关期刊及重要国际会议上发表学术论文30多篇（标注24篇），其中SCI/EI等收录17篇，ESI高被引论文1篇，保质超额完成项目预期任务。项目组成员多次参加国内外学术会议，主要包括IAMG（数学地质顶级会议），IGARSS（遥感顶级会议）,全国数学地质与地学信息学术研讨会，中国遥感应用协会专家委员会会议，中国计算机大会等会议。.本项目的主要进展有：①基于形态学的稀疏成分分析研究：提出了一种SCA算法；提出了一种基于空间邻域约束的聚类方法，聚类结果中特殊形状的位置与已知矿点位置相一致；提出一种邻域约束局部相关系数聚类算法，可以有效指示找矿靶区；②基于稀疏成分分析的找矿弱信息挖掘研究：对USGS波谱库矿物的各类光谱特征进行了稀疏形态学统计和分析，确定各类矿物的光谱特征参数，并匹配USGS波谱库中的参数进行矿物识别；提出形态相关系数法；提出了基于独立因子分析的元素异常组合分析算法；提出了一种基于局部空间相关系数的地球化学元素组合异常提取方法，并在河南崤山中河地区的1:10000地球化学数据挖掘中解决了“中河地区有矿却无地球化学异常”的问题，预计该方法将可能得到推广使用；③多源找矿信息融合与关联分析研究：提出了一种结合独立分量分析和关联规则的新方法来识别重要的地球化学模式；提出基于树的频率模型进行关联分析，并进行分类。④遥感地质体分类与识别研究：提出了一种直接采用区间距离度量而非模糊器变化的增强型IT2FCM聚类算法，提出了基于深度学习的GAN半监督分类、基于CNN的高光谱有效波段选择等方法。本项目将稀疏成分分析和多源数据关联分析引入矿产资源预测，具有重要的理论意义和实用价值。