目錄
第1章　緒論　1　
1.1　礦產(chǎn)資源潛力評價概述　1　
1.2　礦產(chǎn)資源潛力智能評價方法概述　3　
1.2.1　智能認知　4　
1.2.2　智能學習　5　
1.2.3　智能決策　6　
1.3　基于深度學習的地球化學異常識別　7　
1.4　基于深度學習的礦產(chǎn)資源潛力評價　8　
第2章　環(huán)境配置與樣本制作　10　
2.1　TensorFlow環(huán)境配置　10　
2.2　數(shù)據(jù)準備　13　
2.3　樣本制作　15　
2.4　數(shù)據(jù)增強　15　
2.4.1　基于地質約束的數(shù)據(jù)增強方法　16　
2.4.2　基于random-drop的數(shù)據(jù)增強方法　17　
2.4.3　基于像素對匹配的數(shù)據(jù)增強方法　20　
第3章　卷積神經(jīng)網(wǎng)絡　22　
3.1　卷積神經(jīng)網(wǎng)絡基本原理　22　
3.2　全卷積神經(jīng)網(wǎng)絡基本原理　24　
3.3　參數(shù)優(yōu)化　25　
3.4　基于卷積神經(jīng)網(wǎng)絡的地球化學異常識別　31　
3.4.1　案例介紹　31　
3.4.2　模型框架　32　
3.4.3　模型訓練　32　
3.4.4　模型輸出　35　
3.5　基于卷積神經(jīng)網(wǎng)絡的礦產(chǎn)資源潛力評價　36　
3.5.1　案例介紹　36　
3.5.2　模型框架　37　
3.5.3　模型輸入　37　
3.5.4　模型訓練　38　
3.5.5　模型輸出　38　
3.6　基于卷積神經(jīng)網(wǎng)絡的地質填圖　39　
3.6.1　案例介紹　39　
3.6.2　模型框架　39　
3.6.3　模型輸入　41　
3.6.4　模型訓練　41　
3.6.5　模型輸出　43　
3.7　基于全卷積神經(jīng)網(wǎng)絡的巖性填圖　44　
3.7.1　案例介紹　44　
3.7.2　模型框架　44　
3.7.3　模型輸入　44　
3.7.4　模型訓練　45　
3.7.5　模型輸出　45　
第4章　循環(huán)神經(jīng)網(wǎng)絡　47　
4.1　基本原理　47　
4.2　基于循環(huán)神經(jīng)網(wǎng)絡的礦產(chǎn)資源潛力評價　49　
4.2.1　案例介紹　49　
4.2.2　模型框架　50　
4.2.3　模型輸入　50　
4.2.4　模型訓練　55　
4.2.5　模型輸出　58　
第5章　深度自編碼網(wǎng)絡　59　
5.1　基本原理　59　
5.2　基于深度自編碼網(wǎng)絡的地球化學異常識別　60　
5.2.1　案例介紹　60　
5.2.2　模型框架　60　
5.2.3　模型輸入　61　
5.2.4　模型訓練　62　
5.2.5　模型輸出　63　
5.3　基于深度自編碼網(wǎng)絡的礦產(chǎn)資源潛力評價　65　
5.3.1　案例介紹　65　
5.3.2　模型框架　65　
5.3.3　模型輸入　65　
5.3.4　模型訓練　66　
5.3.5　模型輸出　67　
第6章　生成對抗網(wǎng)絡　68　
6.1　基本原理　68　
6.2　基于生成對抗網(wǎng)絡的地球化學異常識別　69　
6.2.1　案例介紹　69　
6.2.2　模型框架　69　
6.2.3　模型輸入　71　
6.2.4　模型訓練　71　
6.2.5　模型輸出　73　
第7章　深度信念網(wǎng)絡　74　
7.1　基本原理　74　
7.2　基于深度信念網(wǎng)絡的地球化學異常識別　75　
7.2.1　案例介紹　75　
7.2.2　模型框架　75　
7.2.3　模型輸入　76　
7.2.4　模型訓練　76　
7.2.5　模型輸出　77　
第8章　深度強化學習　79　
8.1　基本原理　79　
8.2　基于深度強化學習的礦產(chǎn)資源潛力評價　81　
8.2.1　案例介紹　81　
8.2.2　模型框架　81　
8.2.3　模型參數(shù)　83　
8.2.4　模型輸入　83　
8.2.5　模型訓練　83　
8.2.6　模型輸出　85　
第9章　圖神經(jīng)網(wǎng)絡　86　
9.1　基本原理　86　
9.1.1　拓撲圖構建　86　
9.1.2　圖卷積網(wǎng)絡　87　
9.1.3　圖注意力網(wǎng)絡　87　
9.2　基于圖神經(jīng)網(wǎng)絡的礦產(chǎn)資源潛力評價　88　
9.2.1　案例介紹　88　
9.2.2　模型框架　88　
9.2.3　模型輸入　89　
9.2.4　模型訓練　90　
9.2.5　模型輸出　90　
第10章　深度自注意力網(wǎng)絡　93　
10.1　基本原理　93　
10.2　基于深度自注意力網(wǎng)絡的礦產(chǎn)資源潛力評價　94　
10.2.1　案例介紹　94　
10.2.2　模型框架　94　
10.2.3　模型輸入　95　
10.2.4　模型訓練　96　
10.2.5　模型輸出　100　
第11章　基于地質約束的深度學習　101　
11.1　地質約束深度學習概述　101　
11.2　地質約束深度學習方法構建　102　
11.3　基于地質約束深度學習的地球化學異常識別　104　
11.3.1　案例介紹　104　
11.3.2　模型框架　104　
11.3.3　模型輸入　105　
11.3.4　模型訓練　105　
11.3.5　模型輸出　108　
11.4　基于地質約束深度學習的礦產(chǎn)資源潛力評價　109　
11.4.1　案例介紹　109　
11.4.2　模型框架　109　
11.4.3　模型輸入　109　
11.4.4　模型訓練　110　
11.4.5　模型輸出　110　
第12章　計算機集群　112　
12.1　計算機集群概述　112　
12.2　基于計算機集群和卷積神經(jīng)網(wǎng)絡的地質填圖　112　
12.2.1　案例介紹　112　
12.2.2　集群登錄　112　
12.2.3　數(shù)據(jù)上傳和下載　114　
12.2.4　程序運行115　
12.2.5　作業(yè)調(diào)度　116　
12.2.6　結果輸出　117　
第13章　展望　119　
13.1　數(shù)據(jù)與知識雙重驅動的大數(shù)據(jù)礦產(chǎn)預測　119　
13.2　礦產(chǎn)資源潛力評價知識圖譜構建　120　
13.3　深度學習模型構建　121　
13.4　其他　122　
參考文獻　123　
附錄134　
附錄1　基于滑動窗口的樣本制作代碼　134　
附錄2　基于地質約束的數(shù)據(jù)增強代碼　135　
附錄3　基于窗口裁剪的數(shù)據(jù)增強代碼　137　
附錄4　基于random-drop的數(shù)據(jù)增強代碼　139　
附錄5　基于像素對匹配的數(shù)據(jù)增強代碼　141　
附錄6　基于卷積神經(jīng)網(wǎng)絡的地球化學異常識別代碼　145　
附錄7　基于卷積神經(jīng)網(wǎng)絡的礦產(chǎn)資源潛力評價代碼　156　
附錄8　基于卷積神經(jīng)網(wǎng)絡和勘查地球化學數(shù)據(jù)的地質填圖代碼　158　
附錄9　基于全卷積神經(jīng)網(wǎng)絡的巖性填圖代碼　161　
附錄10　循環(huán)神經(jīng)網(wǎng)絡調(diào)參代碼　164　
附錄11　基于循環(huán)神經(jīng)網(wǎng)絡的礦產(chǎn)資源潛力評價代碼　167　
附錄12　基于深度自編碼網(wǎng)絡的地球化學異常識別代碼　174　
附錄13　基于生成對抗網(wǎng)絡的地球化學異常識別代碼　181　
附錄14　基于深度信念網(wǎng)絡的地球化學異常識別代碼　191　
附錄15　基于深度強化學習的礦產(chǎn)資源潛力評價代碼　195　
附錄16　基于圖神經(jīng)網(wǎng)絡的礦產(chǎn)資源潛力評價代碼　201　
附錄17　基于深度自注意力網(wǎng)絡的礦產(chǎn)資源潛力評價代碼　210　
附錄18　地質約束變分自編碼網(wǎng)絡代碼　212