一种沉积岩构造背景判别方法技术

本发明专利技术属于人工智能与地质学技术领域，具体公开了一种沉积岩构造背景判别方法，包括构造数据集、构建深度神经网络模型、训练深度神经网络模型、判别岩石构造背景等核心步骤。主要通过设计的基于自注意力机制残差深度神经网络模型实现；即根据对应主微量元素的含量搭建并训练所提供的深度神经网络模型，还能依照本发明专利技术提供的相关方法调优相关参数，得到不同任务对应的最优模型；用户在完成模型训练与调试的基础上，可直接驱动深度神经网络模型读取目标样本的主微量元素含量数据，进而通过该模型自动化地获得目标样本的构造背景信息，辅助用户完成相关研究，提升工作效率。提升工作效率。提升工作效率。

【技术实现步骤摘要】
一种沉积岩构造背景判别方法


[0001]本专利技术属于人工智能与地质学
，特别涉及一种沉积岩构造背景判别方法。

技术介绍

[0002]一直以来，探索岩石地球化学特征与大地构造背景之间的联系是地球化学领域的一个重要研究方向，其原理是岩石的地球化学元素往往对其构造背景具有一定的指示作用。对岩石的构造背景进行研究有助于查明特定区域的地质构造、演化过程、矿层分布等信息，对国家的自然资源利用及环境保护有重大战略意义。现今主流的判别方法是利用全岩地球化学分析成果，包括主量元素、微量元素和同位素组成数据，结合前人研究提出的判别图解进行分析以判别岩石的构造背景。此类方法的特点是理论基础扎实，研究成果丰富，表达方式简明且易于使用，但随着地球化学研究的深入，其经验性及主观性较强、判别图解种类繁多且每种图适用范有局限性、不同图解结果互相矛盾等缺陷也逐步开始显现出来。
[0003]针对上述技术难题，目前国内主要致力于制作更多判别图解以期获得更好的分析精度，也有部分研究采用简单的机器学习如：决策树、支持向量机等算法进行地球化学特征的学习与分类，其所用模型层本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种沉积岩构造背景判别方法，其特征在于，包括：步骤1、构建数据集：获取岩石的原始样本数据，根据岩石构造背景对所述原始样本数据进行分类，同时提取所述原始样本数据中岩石的地球化学特征构建原始数据集，并根据分类结果标注样本的构造背景标签；将所述原始数据集为训练集和测试集；步骤2、构建深度神经网络模型：将所述原始数据集输入深度神经网络模型，获取包含语义信息的数据集；计算所述包含语义信息的数据集的样本类别得分，得到所述包含语义信息的数据集对应于不同岩石构造背景的预测概率，即完成深度神经网络模型的构建；步骤3、对步骤2构建的所述深度神经网络模型，采用所述训练集进行训练；步骤4、利用训练后的所述深度神经网络模型进行岩石构造背景的判别。2.根据权利要求1所述的一种沉积岩构造背景判别方法，其特征在于，所述深度神经网络模型构建包括：通过全连接层和激活函数所述原始数据集进行升维处理，得到升维数据集；利用两个自注意力残差模块对所述升维数据集进行非线性计算，获得具有更高语义信息的特征向量；通过全连接层、激活函数和自注意力残差模块将特征向量降维，使其所含特征稠密化；利用全连接层计算得到样本类别得分，通过Softmax函数将样本类别得分转化为目标构造背景的预测概率；利用训练集对模型参数进行调优，同时采用交叉墒损失函数作为损失函数来评价训练的误差，最后借助随机梯度下降优化器对模型参数进行迭代优化，在测试集上验证训练精度，得到最优模型；利用深度神经网络模型读取岩石构造背景数据，模型自动输出目标样本最可能的构造背景类别，实现判别作业。3.根据权利要求2所述的一种沉积岩构造背景判别方法，其特征在于，所述主微量元素含量归一化公式为：式中，X
i
为主微量元素，μ
i
为主微量元素的样本均值，S

【专利技术属性】
技术研发人员：张振凯，张文龙，张大为，刘凌毅，李文博，张晨，张锌蕾，武宇娟，
申请(专利权)人：自然资源陕西省卫星应用技术中心，
类型：发明
国别省市：