神经网络方法在放射性地球物理寻找铀矿中的应用.pdf

第2 8 卷第4 期 2 0 0 9 年1 1 月 铀矿 冶 U R A N T U MM I N I N GA N DM E T A L L U R G Y V 0 1 2 8N o 4 N O V 2 0 0 9 神经网络方法在放射性地球物理 寻找铀矿中的应用 郑勇明1 杨亚新1 余水泉2 张叶1 陈越1 杨兴1 1 东华理工大学核资源与环境教育部重点实验室 江西南昌3 3 0 0 1 3 2 中国核工业地质局 北京1 0 0 0 1 3 摘要 在大量采集放射性地球物理数据的基础上 将神经网络方法引入到应用放射性地球物理方法寻找铀矿 的数据处理工作中 在充分分析测量数据的特点后 建立B P 模型 结合工作区的地质 地球物理资料 对模型 计算的结果进行解释和对比 研究结果表明 将神经网络方法应用于放射性地球物理预测铀矿找矿的远景区 域工作中是可行的 关键词 铀矿找矿 B P 神经网络 放射性勘探数据 中图分类号 P6 3 1 6 T P1 8 3 文献标志码 A 文章编号 1 0 0 0 8 0 6 3 2 0 0 9 0 4 0 2 2 0 0 5 随着我国核电事业的迅速发展 铀资源的需 求量不断增加 发现大而富的铀矿是目前我国铀 资源勘查领域重要的任务 通过几十年的铀矿地 质找矿工作 地表的铀矿找矿工作已基本结束 目 前需要寻找埋深较大的富铀矿 利用传统的放射 性地球物理找矿方法和数据处理技术寻找埋深较 大的铀矿受到一定的限制 因此需要利用新的物 探测量方法及数据处理技术 以提取微弱的有用 信息 从而提高找矿的成功率 在用放射性方法寻找铀矿时 最常用的方法 是氡气测量 热释光测量及能谱测量等 并对获取 的放射性数据和资料进行处理 对比和分析 进而 预测地下铀矿成矿情况 在此过程中需要对多种 参数进行综合分析 而多参数的综合分析结果与 地下地质体之间的相关关系 属于复杂的非线性 问题 不能仅用一个简单的数学表达式来模拟和 分析 由于处理复杂的非线性问题恰恰是神经网 络的优势 因而笔者将神经网络方法引入放射性 铀矿勘探的数据处理中 并以实例说明该方法的 应用效果 l B P 人工神经网络原理 人工神经网络 a r t i f i c i a ln e u r a ln e t w o r k A N N 简称神经网络 它具有神经计算与并行处 理功能 容错性 自适应性 知识的分布存储 1 等基 本特征 人工神经网络有多种模型 本研究选用 反向传播网络 b a c k p r o p a g a t i o nn e t w o r k 简称 B P 网络 B P 网络建立在梯度下降的基础上 是 一种有导师的学习算法 其主要原理和算法如下 在本项目的研究过程中采用3 层前馈网络进 行识别 对于闭区间内的任一连续函数都可以用 一个隐含层且隐层节点数为2 九 1 行为输入层节 点数 的B P 网络来逼近 2 因而一个3 层的B P 网络可以完成任意的N 维到M 维的映射 3 其 节点非线性激活函数采用S i g m o i d 函数 设输入 为向量P 输入层有r 个神经元 隐含层有S 个神 经元 输出层有5 个神经元 输出向量M 目标矢 量为向量T 则隐含层第i 个神经元的输出为 A l l 厂 硼 P 十只 i 1 2 5 1 1 J 1 同理输出层第k 个神经元的输出为 5 1 A 2 一 硼b A l 巩 k 1 2 s 2 2 l 1 式中 叫 为i 与J 之间的连接权值 只为节点J 的 阈值 f 为非线性激活函数 误差函数采用平方型 一 3 2 E W B 一百1 一A 2 2 3 收稿日期 2 0 0 9 0 4 2 8 基金项目 国家自然科学基金资助项目 4 0 7 7 4 0 7 5 国防基础科研资助项目 A 3 4 2 0 0 6 0 1 4 5 作者简介 郑勇明 1 9 7 6 一 男 江西省抚州市人 讲师 地球探测与信息技术专业 万方数据 第4 期郑勇明 等 神经网络方法在放射性地球物理寻找铀矿中的应用 2 2 1 若E 小于允许误差 则学习过程结束 否则 计算各层节点的输出误差 再进行误差反向传播 修改网络连接权值和阈值 直至网络收敛 使E 值小于允许误差为止 2 成矿预测B P 网络模型的建立 用放射性方法寻找铀矿床的主要依据是工作区 域内与放射性核素含量相关的参数呈异常分布 这 些参数主要包括铀含量 钍含量 钾含量 土壤天然 热释光强度 4 土壤氡活度浓度 5 7 照射量率等 为了逼近这些相关参数的异常分布与矿体之 间的非线性关系 本项目研究中建立了3 层B P 网络模型 其结构为 1 选取土壤氡活度浓度和热 释光强度及能谱的铀 钍 钾含量及7 照射量率为 输入参数 因此输入层的神经元个数定为6 个 2 模型建立的目的是判定是否存在矿体 规定用 1 代表有矿 用 0 代表无矿 因此 确定输出神 经元的个数为1 个 并且建立的B P 神经网络实 际输出值大多数不会刚好为 1 或 0 而是小数 因此在后面的计算过程中 对所计算的数据采用 四舍五人后保留1 位小数以0 5 为阈值 大于0 5 的则为 1 小于0 5 的为 0 3 根据R o b e r t H e e h t N i e l s o n 证明及在模型实际建立中的反复 计算比较 选择隐含层的结点为1 3 个时 网络的 输出精度最高 3 应用实例 根据B P 神经网络模型的训练算法为有导师 学习 因此在项目研究过程中把已知矿体存在区 域的测量数据作为训练对象 本项目选择广东省 下庄铀矿田3 3 0 矿床及其附近作为研究区 矿床 岩性主要为花岗岩 地面植被很发育 乔木 灌木 茅草生长茂盛 在地表较难观察到地质现象 因此 在这个区域内选用放射性地球物理方法进行老铀 矿区范围扩大的研究工作 研究区内布置了1 6 条测线 共5 1 5 个测点 其中2 条是已经探明地下 有矿体存在的测线 测线号为1 9 和1 7 共4 8 个 测点 另外1 4 条测线布置在未知区 工作中利用 1 9 号测线作为训练网络的样本数据 并利用1 9 号线本身和1 7 号测线作为检验网络的样本数据 网络的训练精度设为0 0 0 5 训练经3 2 0 0 步网络 收敛 用神经网络方法计算的结果见表1 表5 图1 图2 为综合物探剖面图 图3 图5 为物探 剖面图 表11 9 号测线的计算结果 表21 7 号测线的计算结果 将表1 与图l 比较后可知 表1 中1 9 号测线 2 0 1 1 0 号测点之间神经网络计算值比该条测线 其他测点的计算值更接近1 推测该区域地下可 能有矿体存在 这一结果与图l 中的已知地质和 矿体分布情况较吻合 但图1 中1 5 0 1 7 0 号测点 之间土壤天然热释光值表现为高值区 但在地质 剖面图上却没有矿 所以这2 个测点之间的异常 可能是假异常 从神经网络的计算值上也推测了 这一区域可能无矿 验证了网络模型在1 9 号测线 的准确性 由表2 和图2 比较可知 神经网络的预测结 果为1 0 2 0 号测点之间 7 0 9 0 号测点之间相 对该条测线其他测点更接近1 推测这2 个区域 可能是有矿区域 这与图2 的测量剖面图高值趋 万方数据 2 2 2铀矿冶 第2 8 卷 3 0 o 薤2 0 d 亚 l O O 2 1 l h 呈1 3 卜 6 0 2 02 06 01 0 0 1 4 01 8 0 测点 彩 护 7 8 6 I t 8 6 律 厶 毋髟 l 譬 一 i 1 7 9I 帆6 一S 心 一 7 Y 9 E1 2 0 0Y 9 J 6 0 Y 99 1 2 0 Y 99 0 8 0 Y Eb 9 0 4 0 0m1 2 0m 圆杠臆黼囫含矿裂隙团矿体 囫推测构造田中粒五 母化 冈t x 石i t l 图11 9 号测线的测量剖面图 二 J 叮 Z C 出 吝 T 6 T 7 T 8 T 9 势相同 地质剖面图上也表明1 0 2 0 号测点和 7 0 9 0 号测点为有矿区域 从1 7 和1 9 号这2 条测线的验证情况可以看 出 神经网络计算的结果与实际的地质剖面图基 o 1 卜 测点 J F 邑 X C 巨 吝 9 2 j l 带 一丁j廷6 北够 8 6 f j j i 8 it 屈6 一S J 卢 Om120m 囝构造黼囫含矿裂隙冈矿体 I 纠推测构造R 1 中粒云母花岗岩 图21 7 号测线的测量剖面图 本吻合 并且表明所建立网络模型计算结果相对 该条测线其他测点更接近1 的为预测有矿 接近 0 的为预测无矿 因此将所建立的模型用于未知 测线 进行未知区的铀成矿预测 表31 5 号测线的计算结果 一2 0 点一1 0 点0 点1 0 点2 0 点3 0 点 4 0 点5 0 点6 0 点7 0 点8 0 点 0 4 0 20 2 1 60 1 3 8 0 0 7 70 1 2 90 3 8 20 2 4 60 3 0 20 9 1 0 0 1 6 10 2 7 9 9 0 点1 0 0 点1 1 0 点1 2 0 点1 3 0 点 1 4 0 点1 5 0 点1 6 0 点1 7 0 点1 8 0 点 0 4 9 3 0 5 5 90 2 0 80 2 8 90 1 5 00 1 6 7 0 0 9 20 1 4 80 2 1 50 1 4 8 表41 3 号测线的计算结果 一2 0 点一1 0 点0 点 1 0 点 2 0 点 3 0 点4 0 点5 0 点6 0 点7 0 点8 0 点 0 1 6 70 6 8 30 7 8 00 1 8 00 1 2 5 0 1 8 8 0 0 8 10 1 1 1 0 1 7 30 9 0 80 9 1 1 9 0 点1 0 0 点1 1 0 点1 2 0 点1 3 0 点1 4 0 点1 5 0 点1 6 0 点1 7 0 点1 8 0 点1 9 0 点 0 7 6 30 4 5 4 0 1 2 50 1 0 90 1 1 30 0 5 50 0 5 1l0 1 0 840 1 2 10 1 1 00 0 9 6 广东省翁源县岩庄地区铀资源潜力评价 物探部分 东华理工大学科研报告 2 0 0 2 加 鲫 柏加0 o o l 整拦 万方数据 第4 期 郑勇明 等 神经网络方法在放射性地球物理寻找铀矿中的应用 2 2 3 9 0 7 5 6 0 喜 釜4 5 耀 3 0 1 5 0 h o i J 卜 图31 5 号测线的测量剖面图 从表3 与图3 比较可知 6 0 及1 0 0 号测点神 经网络的计算结果相对其他测点更接近1 9 0 号 测点的计算结果值保留1 位小数后 也接近1 推 测这些区域为有矿区域 图3 中在6 0 1 2 0 号测