作者：左仁广
页数：96
出版社：中国地质大学出版社
出版日期：2023
ISBN：9787562556862
电子书格式：pdf/epub/txt
内容简介
该教材作为“资源定量预测理论与方法”和“大数据与人工智能找矿”课程的实习指导书，适用专业包括地质学、地质工程、矿产普查与勘探、地球探测与信息技术等。本书的目的在于加强学生及地质技术人员基于人工智能开展矿产资源大数据深度挖掘及智能评价的实验技术训练，提高基本操作技能和实际动手能力，掌握智能矿产资源潜力评价的原理、逻辑实现、设计方法及模型构建与评价流程。本书结合实际案例详细介绍了如何基于GIS和机器学习（如随机森林和卷积神经网络算法等）开展矿产资源潜力评价的具体实施步骤，包括软件安装、环境配置、数据准备及预处理、算法基本原理、样本制作、模型构建、参数优化和结果评价等。
目录
第1章 软件安装与环境配置
1.1 ArcGIS
1.2 Python
1.3 TensorFlow
1.3.1 Anaconda安装
1.3.2 TensorFlow环境配置
1.3.3 常用工具包
1.4 集成开发环境
第2章 ArcGIS基本操作
2.1 数据可视化
2.1.1 矢量数据可视化
2.1.2 结果数据可视化
2.2 数据插值
2.3 缓冲区分析
第3章 数据准备
3.1 MapGIS格式数据转ArcGlS格式数据
3.2 正负样本标签制作
3.3 Python数据读取
3.4 地球化学成分数据转换
第4章 随机森林
4.1 算法原理
4.2 样本制作
4.3 参数优化
4.4 模型输入
4.5 模型训练及预测
4.6 结果评价
第5章 卷积神经网络
5.1 算法原理
5.2 样本制作
5.3 模型输入
5.4 模型结构及参数
5.5 模型训练及输出
5.6 结果评价
第6章 ArcMPM基本操作
6.1 软件介绍
6.2 安装与卸载
6.2.1 软件运行条件
6.2.2 软件安装过程
6.2.3 软件卸载
6.3 软件界面
6.4 样本制作
6.5 矿产资源潜力评价
6.5.1 随机森林
6.5.2 卷积神经网络
主要参考文献
附录
附录1 随机森林样本制作代码
附录2 随机森林参数优化代码
附录3 基于随机森林的矿产资源潜力评价代码
附录4 卷积神经网络样本制作代码
附录5 基于卷积神经网络的矿产资源潜力评价代码
1.1 ArcGIS
1.2 Python
1.3 TensorFlow
1.3.1 Anaconda安装
1.3.2 TensorFlow环境配置
1.3.3 常用工具包
1.4 集成开发环境
第2章 ArcGIS基本操作
2.1 数据可视化
2.1.1 矢量数据可视化
2.1.2 结果数据可视化
2.2 数据插值
2.3 缓冲区分析
第3章 数据准备
3.1 MapGIS格式数据转ArcGlS格式数据
3.2 正负样本标签制作
3.3 Python数据读取
3.4 地球化学成分数据转换
第4章 随机森林
4.1 算法原理
4.2 样本制作
4.3 参数优化
4.4 模型输入
4.5 模型训练及预测
4.6 结果评价
第5章 卷积神经网络
5.1 算法原理
5.2 样本制作
5.3 模型输入
5.4 模型结构及参数
5.5 模型训练及输出
5.6 结果评价
第6章 ArcMPM基本操作
6.1 软件介绍
6.2 安装与卸载
6.2.1 软件运行条件
6.2.2 软件安装过程
6.2.3 软件卸载
6.3 软件界面
6.4 样本制作
6.5 矿产资源潜力评价
6.5.1 随机森林
6.5.2 卷积神经网络
主要参考文献
附录
附录1 随机森林样本制作代码
附录2 随机森林参数优化代码
附录3 基于随机森林的矿产资源潜力评价代码
附录4 卷积神经网络样本制作代码
附录5 基于卷积神经网络的矿产资源潜力评价代码
