基于多源数据的找矿预测方法、装置以及电子设备制造方法及图纸

本发明专利技术提供了一种基于多源数据的找矿预测方法、装置以及电子设备，涉及找矿预测技术领域，缓解了现有技术对于找矿预测依赖大量经验与人工计算，且对于深层次的矿化信息预测精度不高的技术问题。该方法包括：获取多源数据集，并基于多源数据集得到初始DCGAN(深层卷积生成对抗网络)预测模型；通过第一多源数据子集对初始DCGAN预测模型进行训练，得到训练后的DCGAN预测模型；利用训练后的DCGAN预测模型对第二多源数据子集进行预测，得到找矿预测结果。果。果。

【技术实现步骤摘要】
基于多源数据的找矿预测方法、装置以及电子设备


[0001]本申请涉及找矿预测
，尤其是涉及一种基于多源数据的找矿预测方法、装置以及电子设备。

技术介绍

[0002]矿产资源是不可再生资源，在逐年增大的开采量面前，铜矿等金属矿产资源储量在日益减少，这也意味着探矿难度也日益加大，因此对于铜矿等矿产资源进行找矿预测的需求也在逐步增大。
[0003]但是，对于现有的找矿预测方法，通常要求数据满足线性分布，难以处理大数据下的多源信息预测问题，且需要依据大量经验与人工计算，存在着找矿预测效率不高的技术问题。深度学习强调通过更深层次的网络模型来学习和提取样本特征，能够从多源数据中提取出更高层次的有用特征，从而实现高效、精准预测。

技术实现思路

[0004]本申请的目的在于提供一种基于多源数据的找矿预测方法、装置以及电子设备，以缓解现有技术对于找矿预测依赖大量经验与人工计算，且对于深层次的矿化信息预测精度不高的技术问题。
[0005]第一方面，本申请实施例提供了一种基于多源数据的找矿预测方法，所述方法包括：
[0006]获取多源数据集，并基于所述多源数据集得到初始深层卷积生成对抗网络(DEEP CONVOLUTIONAL GENERATIVE ADVERSARIAL NETWORKS，DCGAN)预测模型；其中，所述多源数据集包括第一多源数据子集以及第二多源数据子集；
[0007]通过所述第一多源数据子集对所述初始DCGAN预测模型进行训练，得到训练后的DCGAN预测模型；/>[0008]利用所述训练后的DCGAN预测模型对所述第二多源数据子集进行预测，得到找矿预测结果。
[0009]在一个可能的实现中，所述获取多源数据集，并基于所述多源数据集得到初始DCGAN预测模型的步骤，包括：
[0010]对所述多源数据集进行降维处理，得到所述多源数据集的特征数据；
[0011]基于所述特征数据训练初始DCGAN预测模型。
[0012]在一个可能的实现中，所述基于所述特征数据训练初始DCGAN预测模型的步骤，包括：
[0013]通过所述特征数据对异常检测生成对抗网络进行预处理，得到所述初始DCGAN预测模型的超参数；
[0014]基于所述超参数得到初始DCGAN预测模型。
[0015]在一个可能的实现中，所述通过所述第一多源数据子集对所述初始DCGAN预测模
型进行训练，得到训练后的DCGAN预测模型的步骤，包括：
[0016]通过所述第一多源数据子集对所述初始DCGAN预测模型进行训练，得到训练后的参数；
[0017]基于所述训练后的参数得到训练后的DCGAN预测模型。
[0018]在一个可能的实现中，所述利用所述训练后的DCGAN预测模型对所述第二多源数据子集进行预测，得到找矿预测结果的步骤，包括：
[0019]利用所述训练后的DCGAN预测模型对所述第二多源数据子集进行预测，得到预测数据；
[0020]对所述预测数据进行插值处理，得到可视化找矿预测结果。
[0021]在一个可能的实现中，所述对所述预测数据进行插值处理，得到可视化找矿预测结果的步骤，包括：
[0022]对所述预测数据是否为异常数据进行判断，得到异常数据；
[0023]对所述异常数据进行插值处理，得到可视化找矿预测结果。
[0024]在一个可能的实现中，在所述获取多源数据集，并基于所述多源数据集得到初始DCGAN预测模型的步骤之前，还包括：
[0025]获取原始遥感影像数据和化探元素数据；
[0026]对所述原始遥感影像数据和化探元素数据进行栅格化处理，得到处理后的原始遥感影像数据和处理后的化探元素数据；
[0027]将所述处理后的原始遥感影像数据和所述处理后的化探元素数据进行数据结合，得到所述多源数据集。
[0028]第二方面，本申请实施例提供了一种基于多源数据的找矿预测装置，所述装置包括：
[0029]获取模块，用于获取多源数据集，并基于所述多源数据集得到初始DCGAN预测模型；其中，所述多源数据集包括第一多源数据子集以及第二多源数据子集；
[0030]训练模块，用于通过所述第一多源数据子集对所述初始DCGAN预测模型进行训练，得到训练后的DCGAN预测模型；
[0031]预测模块，用于利用所述训练后的DCGAN预测模型对所述第二多源数据子集进行预测，得到找矿预测结果。
[0032]第三方面，本申请实施例提供了一种电子设备，包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面任一项所述的方法的步骤。
[0033]第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可运行指令，所述计算机可运行指令在被处理器调用和运行时，所述计算机可运行指令促使所述处理器运行上述第一方面任一项所述的方法。
[0034]本申请实施例带来了以下有益效果：
[0035]本申请实施例提供了一种基于多源数据的找矿预测方法、装置以及电子设备，首先获取多源数据集，并基于多源数据集得到初始DCGAN预测模型，其中的多源数据集包括第一多源数据子集以及第二多源数据子集，之后通过第一多源数据子集对初始DCGAN预测模型进行训练，得到训练后的DCGAN预测模型，从而利用训练后的DCGAN预测模型对第二多源
数据子集进行预测，进而得到找矿预测结果。本申请实施例中，通过获取多源数据集(包括化探元素数据和遥感影像数据)并将其分为两部分，利用多源数据集得到初始DCGAN预测模型，之后利用第一部分数据对初始DCGAN预测模型进行训练，得到训练后的DCGAN预测模型，之后利用第二部分数据进行预测，得到找矿预测结果。本方案融合了化探元素数据与遥感影像数据，形成研究区的多源数据集，可以对植被覆盖率低地区的矿产分布位置进行预测，圈定待预测地区的矿产资源靶区；通过引入异常检测生成对抗网络，挖掘出多源数据与结果之间的隐藏信息，达到批量化、自动化、精细化地对研究区矿产资源进行预测及潜力评价的目的，实现了在包含地化与遥感数据的多源数据集上的找矿预测，缓解了现有技术对于找矿预测依赖大量经验与人工计算，且对于深层次的矿化信息预测精度不高的技术问题。
附图说明
[0036]为了更清楚地说明本申请具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0037]图1为本申请实施例提供的一种基于多源数据的找矿预测方法的流程示意图；
[0038]图2为本申请实施例提供的一种基于多源数据的找矿预测方法的实际操作流程示意图；
[0039]图3为本申请实施例提供的一种基于多源本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多源数据的找矿预测方法，其特征在于，所述方法包括：获取多源数据集，并基于所述多源数据集得到初始DCGAN预测模型；其中，所述多源数据集包括第一多源数据子集以及第二多源数据子集；通过所述第一多源数据子集对所述初始DCGAN预测模型进行训练，得到训练后的DCGAN预测模型；利用所述训练后的DCGAN预测模型对所述第二多源数据子集进行预测，得到找矿预测结果。2.根据权利要求1所述的方法，其特征在于，所述获取多源数据集，并基于所述多源数据集得到初始DCGAN预测模型的步骤，包括：对所述多源数据集进行降维处理，得到所述多源数据集的特征数据；基于所述特征数据训练初始DCGAN预测模型。3.根据权利要求2所述的方法，其特征在于，所述基于所述特征数据训练初始DCGAN预测模型的步骤，包括：通过所述特征数据对异常检测生成对抗网络进行预处理，得到所述初始DCGAN预测模型的超参数；基于所述超参数得到初始DCGAN预测模型。4.根据权利要求1所述的方法，其特征在于，所述通过所述第一多源数据子集对所述初始DCGAN预测模型进行训练，得到训练后的DCGAN预测模型的步骤，包括：通过所述第一多源数据子集对所述初始DCGAN预测模型进行训练，得到训练后的参数；基于所述训练后的参数得到训练后的DCGAN预测模型。5.根据权利要求1所述的方法，其特征在于，所述利用所述训练后的DCGAN预测模型对所述第二多源数据子集进行预测，得到找矿预测结果的步骤，包括：利用所述训练后的DCGAN预测模型对所述第二多源数据子集进行预测，得到预测数据；对所述预测数据进行插值处理，得到可视化找矿预测结果。6...

【专利技术属性】
技术研发人员：冯斌，吴文鹂，陈实，刘艳丽，梁萌，孙跃，
申请(专利权)人：中国地质科学院地球物理地球化学勘查研究所，
类型：发明
国别省市：