基于 BP 神经网络的地质缺失数据处理方法

在地质勘探过程中，由于技术、设备的客观条件限制，造成了部分基础地质数据的缺失，这使得矿床建模时地质数据不够完整准确，直接影响了矿体形态及储量估值的精度。为了向矿床模型的构建环节提供完整且可信的基础地质数据，首先研究了地质缺失数据的产生机制，并通过对比分析期望—极大化算法（EM 算法）、马尔可夫—蒙特卡洛方法（MCMC 方法）以及 BP 神经网络等数据插补方法的特点及适用条件，提出了基于 BP 神经网络的地质缺失数据处理方法，构建了地质缺失数据处理的 BP 神经网络模型，并在山东某金矿进行了实际应用与模型验证。结果表明，模型可以实现地质缺失数据的部分插补，插补结果可信，可以有效解决因基础资料缺失所带来的地质数据不完整问题。