核最小二乘模型在矿产靶区预测中的应用

"基于核最小二乘模型的矿产靶区预测 (2011年)" 在矿产勘查领域，理解地质统计单元的含矿性与地质找矿证据之间的关系至关重要。传统的线性模型往往无法准确描述这些复杂的关系，因此，陈永良和李学斌在2011年的研究中提出了一种基于核最小二乘模型的矿产靶区预测方法。这种方法利用核函数作为理论工具，旨在构建能够处理非线性关系的统计模型。 核最小二乘模型（Kernel Minimum Square Error, KMSE）是统计学习中的一个重要概念，它通过核技巧将数据映射到高维空间，使得在高维空间中的线性回归能模拟原始数据空间中的非线性关系。在这种模型中，核函数起到关键作用，它可以是多项式、高斯、Sigmoid等多种形式，用于转换数据以揭示隐藏的非线性模式。 研究中，作者基于GDAL（Geospatial Data Abstraction Library）库实现了数字图像的输入输出功能，该库是一个开源的GIS组件，广泛用于处理地理空间数据。同时，他们使用CLAPACK（Comprehensive Linear Algebra Package）线性代数软件包进行数值计算，这是实现大规模矩阵运算的高效工具。通过VC++编程语言，他们开发了一个专门针对栅格数据的矿产靶区预测算法程序。 在实际应用中，研究人员在MapInfo环境下创建了一个100×151网格的统计单元栅格图层，并将15种找矿证据图层栅格化为100×151×15的数字图像数据立方体。接着，利用自编程序计算每个网格单元的核最小二乘判别得分，这些得分反映了各单元的潜在含矿性。 通过对新疆阿勒泰地区矿产靶区的预测研究，结果显示，得分高的网格区域与已知矿点的空间分布高度吻合，证明了该模型的有效性。这种基于核最小二乘模型的方法在地质找矿中具有重要指导意义，可以为矿产勘查提供更精准的目标定位，提高勘查效率。 关键词：核函数；核最小二乘法；矿产资源；矿产勘查；靶区预测 中图分类号：P628.1 文献标志码：A 文章编号：1671-5888(2011)03-0937-08