[发明专利]基于地统计加权随机森林的地球化学变量空间预测方法

说明书

本发明公开了一种基于地统计加权随机森林的地球化学变量空间预测方法，包括以下步骤：S1、获取训练随机森林模型所需的训练数据，训练数据包括输入变量和模型输出变量，输入变量包括地质要素和遥感要素，模型输出变量为已知地球化学元素含量观测数据；S2、根据输入变量与已知地球化学元素含量观测数据之间的相关系数及输入变量之间的相关性筛选输入变量作为预测因子，将已知地球化学元素含量观测数据与预测因子作为训练样本；S3、基于训练样本训练随机森林模型，并采用训练好的随机森林模型对待预测位置的地球化学元素含量进行预测。本发明应用时同时考虑地学现象的空间相关性和异质性，能提升预测精度。

技术领域

本发明涉及地质勘查领域，具体是基于地统计加权随机森林的地球化学变量空间预测方法。

背景技术

勘查地球化学手段在过去几十年的找矿工作中发挥了举足轻重的作用。随着露头矿和浅表矿逐渐被发现殆尽，找矿难度日益增大，如何在复杂地质条件下挖掘有用的地球化学信息，已经成为缓解目前矿产资源紧缺形势的重要途径。地球化学分布模式是原生和次生地质过程、人类活动等长期共同作用的结果。受区域地质背景、矿体埋深、矿化类型及规模、风化强度以及地球化学景观等的影响，地球化学元素在表生介质中呈现十分复杂的变异特征，导致地球化学异常识别结果存在很大的不确定性，从而增加了勘查风险，限制了勘查地球化学手段的找矿成效。因此，准确模拟地球化学元素含量的空间分布，并刻画其不确定性显得尤为重要。

随机森林由于具有模型简单、准确度高、可解释性强等优点，在地球化学元素含量空间分布模拟中具有较大应用潜力。然而，经典随机森林算法潜在假设样本是独立同分布的，并未考虑元素含量分布的空间异质性和空间相关性特征，从而增加了模拟结果的不确定性。针对上述问题，不少国内外研究尝试改进随机森林算法。如：国外一些学者提出采用考虑空间依赖性的方法，其将观测点的欧氏距离图层作为预测因子之一，该方法操作简单、间接考虑了观测值之间的空间关联，但没有直接考虑空间异质性和观测值分布的空间结构特征。中国专利公布号CN112163731A于2021年01月01日公开了发明创造名称为“一种基于加权随机森林的专变用户电费回收风险识别方法”的发明专利申请，其针对非空间科学问题，“加权”是对随机森林中决策树的贡献进行加权，并不涉及地理位置的概念。中国专利公布号CN104391970A于2015年03月04日公开了发明创造名称为“一种属性子空间加权的随机森林数据处理方法”的发明专利申请，其通过加权属性子集构建决策树，再将其整合形成随机森林模型，该方法针对超高维数据有效处理问题，采用信息增益法为属性加权，并不涉及观测变量在地理空间上的相关性。中国专利公布号CN113033599A于2021年06月25日公开了发明创造名称为“面向露头地质体岩层分层的空间随机森林算法”的发明专利申请，其同时考虑岩层体元的空间特征和属性特征构建空间决策树模型，该处的“空间特征”主要包括地质体体元中心坐标及其产状信息，并未涉及地学变量的空间相关性特征。

综上所述，现有研究没有同时考虑地学现象的空间相关性和异质性提出行之有效的改进方案，采用现有方案模拟地球化学元素含量空间分布的精度较低。

发明内容

本发明的目的在于解决现有模拟地球化学元素含量空间分布精度较低的问题，提供了一种基于地统计加权随机森林的地球化学变量空间预测方法，其应用时同时考虑地学现象的空间相关性和异质性，能提升预测精度。

本发明的目的主要通过以下技术方案实现：基于地统计加权随机森林的地球化学变量空间预测方法，包括以下步骤：

S1、获取训练随机森林模型所需的训练数据，所述训练数据包括输入变量和模型输出变量，输入变量包括地质要素和遥感要素，地质要素包括从区域地质数据提取的岩性类别数据和从区域地质数据提取的线环构造矢量数据转换的断裂密度，遥感要素包括地形坡度和植被覆盖度，模型输出变量为已知地球化学元素含量观测数据；其中，输入变量和输出变量采用栅格格式存储；