申请/专利权人：中国地质大学(北京)

申请日：2024-04-23

公开（公告）日：2024-06-14

公开（公告）号：CN118195096A

主分类号：G06Q10/04

分类号：G06Q10/04;G06Q50/02;G06N20/00

优先权：

专利状态码：在审-公开

法律状态：2024.06.14#公开

摘要：本发明实施例公开了一种基于机器学习、VBA编程的闪锌矿微量元素预测铅锌矿床成因类型的方法，属于矿床找矿勘查技术领域。所述方法包括以下步骤：搜集并建立闪锌矿微量元素数据集；数据预处理；划分训练集、交叉验证集和测试集，训练多种不同算法的机器学习模型；利用网格搜索、五折交叉验证法寻找最优超参数，利用学习曲线判断过拟合；利用混淆矩阵进行模型评估，利用SHAP值进行特征重要性排序；利用M2Cgen库将训练模型导出，利用VBA编写成Excel宏程序。本发明将机器学习模型移植到Excel平台实现，具备操作简单、易于实现、预测精度高、适用广泛的特点，可为确定铅锌矿床成因分类提供重要依据。

主权项：1.一种基于机器学习、VBA编程的闪锌矿微量元素预测铅锌矿床成因类型的方法，其特征在于，所述方法包括以下步骤：S1：搜集并建立闪锌矿微量元素数据集统计目前全球已发表的闪锌矿微量元素数据较多的矿床类型，选取数据量较多的微量元素类别，收集矿床的闪锌矿微量元素数据，建立闪锌矿微量元素数据集；S2：数据预处理将步骤S1中建立的闪锌矿微量元素数据集进行数据预处理，使用最邻近插值法填充空白值，使用检出限的一半填充低于检出限值，使用对数变换进行特征缩放，不进行标准缩放；S3：划分训练集、交叉验证集和测试集将闪锌矿微量元素数据集按8:2比例随机划分为：训练集和交叉验证集占80％、测试集占20％；训练集用于训练模型，交叉验证集用于模型的优化调参，测试集用于评估模型性能；S4：训练机器学习模型选取机器学习模型算法，使用网格搜索、交叉验证法寻找模型的最优超参数，利用学习曲线判断模型是否过拟合，调整并得出最终的最优超参数；将最优超参数应用于机器学习算法估计器内训练完整的训练数据集，得到最终的训练模型；S5：模型评估使用分类问题评价指标评估训练模型，绘制混淆矩阵热图直观体现训练模型的整体性能，比较各种模型之间的性能差异；S6：特征重要性排序使用SHAP值进行统计模型的特征重要性排序；S7：导出模型并编写EXCEL宏程序将训练好的机器学习模型导出其模型参数，使用EXCEL自带的VBA编程语言将参数编写成可直接使用的EXCEL宏程序。

全文数据：

权利要求：

百度查询： 中国地质大学(北京) 一种基于机器学习、VBA编程的闪锌矿微量元素预测铅锌矿床成因类型的方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD