基于机器学习的卡林型金矿隐伏矿体深度预测方法和系统

本申请提供了一种基于机器学习的卡林型金矿隐伏矿体深度预测方法和系统，采集多源矿体数据并构建三维矿体体素模型；提取三维矿体体素模型中的各个三维矿体体素对应的基础矿体特征向量，根据所有的基础矿体特征向量构造三维控矿特征域；依据断裂线数据进行断裂近邻密度构造，得到断裂近邻密度指数矩阵，基于蚀变类型图层数据进行蚀变叠置搜索，得到蚀变叠置控矿因子矩阵；使用三维控矿特征域、断裂近邻密度指数矩阵和蚀变叠置控矿因子矩阵和基于机器学习的矿体深度预测模型预测得到卡林型金矿隐伏矿体的深度预测结果。本申请提供的技术方案，可以构建隐伏矿体的高维度耦合控矿特征，以提高矿体深度预测中机器学习模型的泛化能力。