SVM在成矿预测中的研究

传统成矿预测多以某种统计假设为前提,而在实际应用中往往找不到完全符合这样的地质事件。因此将非线性科学与矿产资源预测相结合是未来矿产资源预测的发展方向。人工神经网络（ANN）在进行预测时能够在输出和输入之间建立一个非线性映射关系,具有容错性好、自学习、自适应强等特征,但存在收敛速度慢、易陷入局部最优、网络结构不确定以及不能解决VC维等问题。SVM具有严格的泛化性理论指导和核函数强大的非线性映射能力,并且SVM不存在局部极小,维数灾难问题等。为此提出了基于SVM的成矿预测方法,将SVM应用于矿产资源的预测中,并对BP神经网络、RBF神经网络预测方法比较分析。实验结果表明,SVM预测方法优于BP神经网络方法和RBF神经网络,更加接近预测元素的实际值。