简介:将改进的非线性技术(GA-SVM)应用于成矿预测,为成矿有利度预测方法提供一种新思路。在分析哈图矿集区成矿有利度基础上,选取28个学习样本、10个与成矿有关的地质变量,应用基于遗传算法(GA)寻优的支持向量机(SVM)方法,对成矿有利度进行建模,并与BP神经网络模型预测结果进行比较。结果表明,GA-SVM回归预测模型能很好地拟合成矿有利度与各地质变量间的非线性关系。样本数量有限时,GA-SVM比BP神经网络具较高的拟合精度,更适合非线性成矿预测工作,具较强的推广意义。
简介:按照测量不确定度评定方法,对氢化物发生.原子荧光光谱法测定地球化学样品中铋结果进行不确定度评定。研究发现原子荧光光谱法测定地球化学样品中铋含量的不确定度主要来源于样品制备过程、标准溶液配制过程、校准曲线拟合过程、重复性测量以及分析仪器的不确定度等。通过对各分量的不确定度进行量化,得出合成标准不确定度和扩展不确定度。结果表明最大的不确定度来源于样品制备过程。当样品中铋含量为24.76μg/g时,其扩展不确定度(k=2)为1.40μg/g。