摘要
本发明公开了一种多模态融合数据驱动的金属矿床分类方法,涉及特定计算模型领域,该多模态融合数据驱动的金属矿床分类方法包括以下步骤:步骤1,搜集国内已知的金属钼矿床案例,归类现有的钼矿床类型,基于钼矿床的不同特征进行分类;步骤2,采集钼矿床的多源多模态数据,与现有技术相比,本发明的有益效果是:本发明对金属矿床类型进行高效拟合,仅需几个参数,便能迅速准确识别矿床成因类型;能够融合地质文本、岩矿石图像与实验数据分析等多模态数据,能够快速完成钼矿床的成因类型分类;突破原有技术瓶颈,提供一种更高效、准确的钼矿类型分类预测方法,为Mo多金属矿产资源的合理开发和利用提供有力支持。
技术关键词
融合数据驱动
金属矿床
分类方法
矽卡岩型
分类预测模型
多模态
鉴定特征
粒子
地球化学勘查
地球物理勘查
分类预测方法
矿石品味
伟晶岩型
加法模型
有用金属
算法原理
碳酸盐
系统为您推荐了相关专利信息
动态监测方法
卫星遥感影像
机器学习模型训练
构建分类器
机器学习分类模型
缺陷分类方法
波形时域特征
分类程序
BP神经网络训练
缺陷分类系统
图像分类方法
参数初始化方法
通道
深度神经网络模型
作物育种
等离子体电离装置
石英毛细管
T型
轮廓系数
随机森林模型