[发明专利]一种基于分层随机森林模型的铜镍硫化物矿床成矿预测方法

权利要求书

1.一种基于分层随机森林模型的铜镍硫化物矿床成矿预测方法，其特征在于，包括以下步骤：

S1：收集区域内多元地质资料，建立铜镍硫化物矿床地学信息数据库；

S2：分析区域内铜镍硫化物矿床成矿规律，提取找矿信息；

S3：选取非矿点，并结合已知矿点构建训练样本集，训练分层随机森林模型；

S4：对分层随机森林模型进行优化，并利用优化模型进行成矿预测；

S5：验证预测结果，评估找矿信息重要性。

2.根据权利要求1所述的一种基于分层随机森林模型的铜镍硫化物矿床成矿预测方法，其特征在于，步骤S2所述找矿信息包括控矿岩浆岩信息、控矿构造信息、地球化学素共生组合信息。

3.根据权利要求2所述的一种基于分层随机森林模型的铜镍硫化物矿床成矿预测方法，其特征在于，所述地球化学元素共生组合信息提取方法为主成分分析法。

4.根据权利要求1所述的一种基于分层随机森林模型的铜镍硫化物矿床成矿预测方法，其特征在于，步骤S3所述非矿点选取范围由空间点模式分析确定。

5.根据权利要求1所述的一种基于分层随机森林模型的铜镍硫化物矿床成矿预测方法，其特征在于，步骤S3所述训练样本集为非平衡样本集，研究区内的非矿点个数远大于矿点个数。

6.根据权利要求1所述的一种基于分层随机森林模型的铜镍硫化物矿床成矿预测方法，其特征在于，步骤S4所述对分层随机森林模型进行优化具体通过分别构建若干个由不同决策树个数以及节点个数构成的分层随机森林模型，以袋外误差最小为标准，选择最优模型。

7.根据权利要求1所述的一种基于分层随机森林模型的铜镍硫化物矿床成矿预测方法，其特征在于，步骤S5利用预测度曲线对模型预测结果进行评估，预测度曲线的横坐标为累计面积百分比，纵坐标为预测到的已知矿点个数。

8.根据权利要求1所述的一种基于分层随机森林模型的铜镍硫化物矿床成矿预测方法，其特征在于，步骤S5利用GINI值平均降低量为指标，对各找矿信息进行重要性评估。