优于五大先进模型，浙江大学杜震洪团队提出 GNNWLR 模型：提升成矿预测准确性
💡
原文中文，约4600字，阅读约需11分钟。
📝
内容提要
卡塔尔世界杯投入约2,290亿美元，展现了卡塔尔的奢华风采。浙江大学研究团队提出了一种新的地理空间人工智能方法，地理神经网络加权逻辑回归（GNNWLR），可提升矿物预测的准确性和可解释性。研究在加拿大新斯科舍省进行，通过多环缓冲区分析和反距离加权插值等方法，获得了245个阳性样本。GNNWLR模型在矿物分类方面表现出卓越的拟合和预测能力。研究还使用SHAP值分析了成矿影响因素，提高了模型评估的可解释性。杜震洪教授团队在地理信息系统和人工智能方面取得了显著成绩，并建设了全球公共科技平台Deep-time.org。
🎯
关键要点
- 卡塔尔世界杯投入约2,290亿美元，展现奢华风采。
- 矿产资源是经济社会发展的重要支柱，但勘查困难。
- 浙江大学研究团队提出GNNWLR模型，提升矿物预测的准确性和可解释性。
- GNNWLR模型结合空间模式和神经网络，克服空间异质性和非线性影响。
- 研究在新斯科舍省进行，获得245个阳性样本。
- GNNWLR模型在矿物分类方面表现优于其他模型，AUC为0.913。
- SHAP值分析成矿影响因素，提高模型评估的可解释性。
- 杜震洪教授团队在遥感与地理信息系统方面取得显著成绩，建设了全球公共科技平台Deep-time.org。
➡️
