一种贝叶斯深度学习的矿产预测与勘查风险评价方法

本申请提供了一种贝叶斯深度学习的矿产预测与勘查风险评价方法，涉及矿产勘查技术领域，方法包括：构建多源地质数据集并进行预处理，得到矿床及控矿要素；通过数据预处理，构建训练数据集，进而构建基于Metropolis‑Hastings采样的贝叶斯神经网络训练模型；基于训练模型，输入所有控矿要素数据集，计算概率均值、偶然不确定性估计以及认知不确定性估计，并绘制预测概率图、偶然不确定性图和认知不确定性图，进行矿床勘查风险和找矿潜力评价。本发明采用基于蒙特卡罗Metropolis‑Hastings采样方法，提供了更可靠的成矿概率制图和不确定性估计，并能够有效区分认知不确定性与偶然不确定性。