由于矿产地质信息的复杂性和不确定性,难以建立精确的数学模型来确定矿产资源的分布状况。非线性分析建模技术,如人工神经网络(Artificial Neural Network,ANN)、支持向量机(Support Vector Machine,SVM)等,给矿产预测工作提供了新的途径。这类方法在处理数据时可以避免数据分析和建模的困难,即不须理解各种成矿因子与矿床(点)之间的相互关系,只须选择已知的矿床(点)和非矿产(点),进行“黑箱”学习。虽然经过合理的训练,这类方法能够得到较高的预测精度,但由于其分类过程的
