【技术实现步骤摘要】
一种矿床三维结构信息到地质体形态控矿深度网络的重组织方法
本专利技术属于隐伏矿体三维预测领域，尤其涉及地质体形态分析方法。
技术介绍
矿体的形成和就位普遍受到成矿地质体的形态展布控制。因此，分析矿床三维结构信息，从成矿地质体三维模型中提取有利成矿的形态特征，获得有效的地质体形态控矿特征，已成为隐伏矿体三维预测的重要手段。然而，现有的地质体三维形态分析方法，难以有效提取反映地质体形态展布对矿化空间定位制约的深层次特征，严重影响了隐伏矿体三维预测的可靠性和准确性。随着计算机技术和深度学习技术的发展，深度学习方法在机器学习和模式识别领域取得了较大成功，使得利用深度学习方法对矿体的形态控矿作用分析成为可能。但是，若直接将高维的矿床三维结构信息以体元模型形式输入深度网络进行隐伏矿体三维预测，将产生海量的待训练参数和难以接受的计算开销。
技术实现思路
本专利技术的目的是提供一种重组织方法，实现矿床三维结构信息对深度网络的重组织输入，并在深度网络中表达矿床的多地质体-多尺度-多特征的地质形态联合控矿作用。包括：基于矿床三维结构信息的地质体形态特征图像的构建，以及针对地质体形态特征图...
【技术保护点】
1.一种矿床三维结构信息到地质体形态控矿深度网络的重组织方法，其特征在于，包括以下步骤：步骤一，以Gi表示矿床成矿空间中已知的任一成矿地质体，组成集合{G1，…，Gk}，计算Gi初级形态特征，并存储至表达Gi，1≤i≤k的体元之中；步骤二，建立矿床三维结构的形态特征图像：对目标体元v和集合{G1，…，Gk}，确定Gi对目标体元v的控制区域Ωi，根据控制区域Ωi对图像空间Πi的映射关系，基于Ωi内体元的形态控矿潜在特征，对Πi上栅格属性赋值，建立集合{G1，…，Gk}在多个尺度下的形态特征多通道图像；步骤三，构建表达地质体形态控矿作用的深度神经网络：给定成矿空间中不同地质体在...
【技术特征摘要】
1.一种矿床三维结构信息到地质体形态控矿深度网络的重组织方法，其特征在于，包括以下步骤：步骤一，以Gi表示矿床成矿空间中已知的任一成矿地质体，组成集合{G1，…，Gk}，计算Gi初级形态特征，并存储至表达Gi，1≤i≤k的体元之中；步骤二，建立矿床三维结构的形态特征图像：对目标体元v和集合{G1，…，Gk}，确定Gi对目标体元v的控制区域Ωi，根据控制区域Ωi对图像空间Πi的映射关系，基于Ωi内体元的形态控矿潜在特征，对Πi上栅格属性赋值，建立集合{G1，…，Gk}在多个尺度下的形态特征多通道图像；步骤三，构建表达地质体形态控矿作用的深度神经网络：给定成矿空间中不同地质体在不同尺度下形态特征的多通道图像，构建以这种多通道图像为输入的深度神经网络，表达矿床三维结构中不同成矿地质体在不同成矿作用范围下对矿化空间定位的制约。2.根据权利要求1所述的一种矿床三维结构信息到地质体形态控矿深度网络的重组织方法，其特征在于，所述的步骤一中，计算已知成矿地质体界面的曲率和形态起伏程度，以此作为成矿地质体的初级形态特征。3.根据权利要求1所述的一种矿床三维结构信息到地质体形态控矿深度网络的重组织方法，其特征在于，所述的步骤二中，给定成矿空间中任一目标体元v及与其相关的成矿地质体集合{G1，…，Gk}，对于集合中的Gi，首先寻找Gi表面所有体元中到v最近的体元，设其中心点为pi；然后构建过v中心点，且法向量方向与pi-v方向一致，边长为预设成矿作用范围L的正方形平面区域Πi，以此作为图像空间，并将此图像空间均匀地划分为多个正方形栅格区域；最后，计算...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。