非负矩阵分解基向量分析及其在矿产预测中的应用

张 洁，刘石华，李鸿镇，初晓凤，任雅丽，余先川

(1.北京师范大学信息科学与技术学院，北京 100875;2.广东省地勘局722地质大队，广东 汕头 440500)

0 引言

矿产预测是指结合地质学、数学、信息学以及计算机等技术与理论，通过分析成矿地质数据，深入研究矿产与矿化信息和成矿规律，预测成矿区域并对之作出评价。许多学者对此进行了大量的研究工作(成秋明，2000，2001;赵鹏大，2000;余先川等，2011)，其中，利用地质、矿产、遥感、地球物理和地球化学等多种信息进行资源评价的综合信息矿产资源定量预测(王世称，2002)是目前矿产资源预测的主流方法。如何从海量地质矿产数据中提取有效致矿信息是矿场预测的一个关键环节。但由于地质数据具有复杂性且致矿异常具有稀疏性。使用传统的数据处理方法如多元统计分析、线性空间信息统计、空间多元统计分析成分数据分析以及成分分析等，往往具有一定的局限性，这使得从海量矿产数据中有效提取属于“弱信息”的找矿信息非常困难，数据挖掘效果不理想，不能很好地表征矿产特征。例如，主成分分析方法只考虑了数据的低阶统计特性，没有考虑高阶统计特性(Lee et al，2000)，对于复杂的矿产预测数据不能很好地表征矿产资源特征。

非负矩阵分解(NMF)(Lee et al，1999)是一种数据处理方法，不仅保留了原始数据矩阵的非负性，并且有降维和稀疏的特征。笔者用NMF方法对矿产预测数据进行处理，以广东新寮岽铜多金属矿区数据为研究对象，通过R型聚类分析研究变量间的相关关系，对相关性较高的聚类结果进行NMF分解，讨论基向量和原变量以及基向量之间的相互关系。……