一种基于深度学习的地球化学数据分析方法和装置制造方法及图纸

本发明专利技术提供一种基于深度学习的地球化学数据分析方法和装置，涉及地球化学数据分析方法技术领域，本发明专利技术通过构建基于卷积神经网络的深度学习模型，生成计算置信区间，将理想置信区间与计算置信区间进行比较，来对深度学习模型进行评估，预测该处可能存在的伴生矿，通过现有滑石矿所在区域的位置信息

【技术实现步骤摘要】
一种基于深度学习的地球化学数据分析方法和装置


[0001]本专利技术涉及地球化学数据分析方法
，具体为一种基于深度学习的地球化学数据分析方法和装置
。

技术介绍

[0002]地球化学是研究地球化学成分
、
循环过程和相互作用的学科，在地质勘探中被广泛应用，它可以提供有关地质构造
、
矿物成分
、
矿床类型和地下水资源等方面的信息，帮助使用者对各类矿产资源进行预测
。
随着大数据和人工智能技术的兴起，在地球化学数据分析中也开始使用向量机
、
卷积神经网络等机器学习方法进行计算
。
比起传统的人工计算方式，通过让机器深度学习进行训练，能够更加快速地对大批量
、
高纬度的数据进行分析处理，当输入变量具有较为复杂时，具有更加明显的优势
。
[0003]滑石是一种非常重要的工业矿物，滑石的研究对于地球化学具有重要的意义，滑石的存在可以为矿床的形成环境提供重要线索，滑石的形成通常需要特定的温度r/>、
压本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于深度学习的地球化学数据分析方法，其特征在于，包括如下步骤：获取现有滑石矿的数据，包括所在区域的位置信息
、
地质构造数据
、
岩性数据
、
地层数据
、
地貌地形数据
、
年龄数据，构成各个区域的数据集，在地质图数据上进行标注，将现有的滑石矿进行编号，构成样本标签，并将每个区域的数据集和该区域的样本标签一一对应；构建基于卷积神经网络的深度学习模型，将现有滑石矿的数据输入到深度学习模型中，生成现有滑石矿所在位置的平均沉积速率，并根据年龄数据计算滑石矿的深度；根据现有滑石矿的实际深度，生成深度学习模型计算出来的滑石矿深度的理想置信区间，再根据深度学习模型计算出来的滑石矿深度，生成计算置信区间，将理想置信区间与计算置信区间进行比较，来对深度学习模型进行评估；根据计算出来的滑石矿深度，对未开采的矿场进行实地采样，得到采样点的元素含量数据，并对元素含量数据进行分析，判断该处滑石矿的类型，并预测该处可能存在的伴生矿
。2.
根据权利要求1所述的一种基于深度学习的地球化学数据分析方法，其特征在于：滑石矿的位置信息包括滑石矿的平面坐标及深度，地质构造数据包括该区域的构造图
、
地质图
、
地形数据和地层数据，岩性数据包括石英岩
、
辉铜矿
、
金红石的石种分布数据，地层数据包括沉积层的数据，地貌地形数据包括地形线
、
等高线展示地势起伏的地貌特征数据，年龄数据包括滑石矿的年龄
。3.
根据权利要求2所述的一种基于深度学习的地球化学数据分析方法，其特征在于：石英岩
、
辉铜矿
、
金红石的石种分布数据包括石英岩
、
辉铜矿
、
金红石的含量及分布顺序，沉积层的数据包括沉积层的层数
、
厚度以及不同深度所对应的年龄
。4.
根据权利要求1所述的一种基于深度学习的地球化学数据分析方法，其特征在于：对现有滑石矿的采样方式为在现有滑石矿平面坐标的中心位置纵向采样，得到沉积层的层数以及每层沉积层的厚度，在每层沉积层中均设置
n
个采样点，同一沉积层中的
n
个采样点的间隔距离均相等，并测量每个采样点的年龄以及相对于地表的深度
。5.
根据权利要求1所述的一种基于深度学习的地球化学数据分析方法，其特征在于：根据年龄数据计算滑石矿深度的逻辑为：对采样点采集到的数据进行标定，并由地表到沉积层的方向进行编号，将每层沉积层的厚度标定为
D
i
，将每个采样点的年龄标定为每个采样点相对于地表的深度标定为
i
表示沉积层的层数编号，
i
＝
1,2,3
……
N
，
i
为正整数，
j
表示采样点的编号，
j
＝
1,2,3
……
n
，
j
为正整数；根据某一沉积层内采样点的年龄和相对于地表的深度标定为计算该沉积层的平均沉积速率并标定为计算公式为：根据不同沉积层的厚度
D
i
在所有沉积层的总厚度中的占比，采用对数函数进行拟合，生成不同沉积层的权重系数
f
i
，生成权重系数
f
i
所依据的公式为：
式中
α
表示加权系数，
α
＞0，用于对深度学习模型进行调整；根据不同沉积层的平均沉积速率和权重系数
f
i
，计算滑石矿所在位置的平均沉积速率计算公式为：将现有滑石矿的年龄标定为
Th
，根据滑石矿的年龄
Th
和滑石矿所在位置的平均沉积速率生成由深度学习模型计算出来的滑石矿深度
Lh
′
，计算公式为：
Lh
′
表示深度学习模型根据滑石矿所在区域的位置信息
、
地质构造数据
、
岩性数据
、
地层数据
、
地貌地形数据
、
年龄数据，以及采样点采集的数据所计算生成出来的滑石矿的深度
。6.
根据权利要求1所述的一种基于深度学习的地球化学数据分析方法，其特征在于：深度学习模型是否满足要求的判定逻辑为：将深度学习模型经过多次计算后生成的所有滑石矿深度的数据按照时间顺序划分为
x
个数据集，并标定为
W
x
，
x
为正整数，对数据集
W
x
...

【专利技术属性】
技术研发人员：杨光树，徐晓飞，谢志鹏，陈爱兵，燕永锋，王加昇，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：