System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及金属矿床勘探,具体涉及一种基于gan神经网络预测地质成矿的方法。
技术介绍
1、对于老矿山企业,其优势在于积累有大量的矿产勘探、采掘、及现有矿山、周边地质数据,因此如何利用现有积累的大量数据,总结其规律用于指导已知矿区毗邻区域的找矿工作,有着非常重要的实际意义;但由于现有积累数据规模的庞大性,及其内含规律的复杂性、非易见性,完全通过人工来完成积累数据的规律性总结显然是一项非常巨大、困难的任务,尤其是某些潜在性规律可能是人工所无法发现的;但随着深度学习技术的飞速发展,通过神经网络辅助深挖现有勘探和采矿所积累数据、总结其隐藏的潜在规律,已有了非常坚实的技术基础,但国内目前对此方向的研究和具体应用尚无过多经验可以借鉴。
技术实现思路
1、为了克服
技术介绍
中的不足,本专利技术公开了一种基于gan神经网络预测地质成矿的方法,基于历史数据,通过计算机构建全三维地质模型;将全三维地质模型及历史数据进行断层处理,得到若干断层地质模型、若干断层历史数据;将若干断层地质模型、若干断层历史数据输入gan神经网络进行训练;将地质勘探数据及历史数据进行断层处理,得到若干地质勘探断层数据及断层历史数据融合的地质数据;将若干地质勘探断层数据及断层历史数据融合的地质数据输入训练好的gan神经网络,输出若干预测成矿地质模型断层图;将若干预测成矿地质模型断层图进行扩层连续,得到预测成矿全三维地质模型。
2、为了实现所述专利技术目的,本专利技术采用如下技术方案:一种基于gan神经网络预测地质成
3、进一步的,全三维地质模型是基于已有矿山勘探、采掘数据所揭示的实际赋存矿体,在三维勘探软件中所建立的三维地质模型;补充说明的是:虽然全三维地质模型是基于已有矿山勘探、采掘数据所揭示的实际矿体建立的,但其只是已有矿山勘探、采掘数据所揭示的实际矿体的可视化表现,以现有三维勘探软件,其无法进一步揭示已有矿山勘探、采掘数据与实际赋存矿体内在潜在规律,只能依赖勘探工程师的经验对其进行解读,但勘探工程师受制于经验所限,其解读出的有用信息往往是浅显易见且并不全面,而这点正是老矿山企业无法充分挖掘现有积累数据、并将其应用于毗邻区域进行预测找矿的困难所在。
4、进一步的,所述历史数据包括现有已知矿山勘探及采掘过程中所积累的地质数据,并将其按标准格式进行归一化处理生成的文本文件。
5、进一步的,全三维地质模型断层处理,是将全三维地质模型在垂直或水平方向以设定等间距进行切割,得到若干个分割实体;然后将切割面上矿脉与围岩的分界线投影到分割实体的中间面上,得到封闭的投影分界线;再以其中一条投影分界线的形心为原点o,做若干射线li与两条投影分界线的相交,得到若干对相交点ti、ti’的中点ii;以曲线光滑连接所有转换中间点ii,得到若干断层地质模型;在本专利技术中,将全三维地质模型进行断层处理的原因在于:目前尚未有将地质数据文本文件转换为三维地质模型的神经网络,但现有gan神经网络可以用文本文件与二维图片对抗训练后,具有将文本文件转换为二维图片的能力,因此将全三维地质模型进行断层处理、再转换为二维图片后,即可对gan神经网络进行训练,且在训练过程中挖掘出已有地质数据与实际赋存矿体的内在潜在规律(这种内在潜在规律是人工所无法发现的),然后利用训练后的gan神经网络将文本文件转换为二维图片的能力,实现地质数据与全三维地质模型之间的转换与挖掘。
6、进一步的,历史数据断层处理,是将地质数据依据其空间坐标归属的分割实体,对其进行分组,转换为若干断层历史数据。
7、进一步的,gan神经网络进行训练时,断层历史数据与其归属的断层地质模型一一对应。
8、进一步的,预测成矿地质模型断层图扩层连续的方法是将若干预测成矿地质模型断层图依序、以设定等间距重新排列,将相邻预测成矿地质模型断层图中的矿脉与围岩分界线通过三角网连接,最终生成预测成矿全三维地质模型;预测成矿全三维地质模型中包含有新的地质勘探数据,因此预测成矿全三维地质模型中会有新的可能赋存矿体信息,因而具有对现有矿区毗邻区域找矿工作的指导意义。
9、由于采用如上所述的技术方案,本专利技术具有如下有益效果:本专利技术公开的一种基于gan神经网络预测地质成矿的方法,基于历史数据,通过计算机构建全三维地质模型;将全三维地质模型及历史数据进行断层处理,得到若干断层地质模型、若干断层历史数据;将若干断层地质模型、若干断层历史数据输入gan神经网络进行训练;将地质勘探数据及历史数据进行断层处理,得到若干地质勘探断层数据及断层历史数据融合的地质数据;将若干地质勘探断层数据及断层历史数据融合的地质数据输入训练好的gan神经网络,输出若干预测成矿地质模型断层图;将若干预测成矿地质模型断层图进行扩层连续,得到预测成矿全三维地质模型。利用该方法可解决现有现有积累大量数据隐藏规律的总结,发现以往人工无法发现的潜在矿体,从而达到增加可采资源储备的目的,延长老矿山开采寿命。
本文档来自技高网...【技术保护点】
1.一种基于GAN神经网络预测地质成矿的方法,基于历史数据,通过计算机构建全三维地质模型;其特征是:将全三维地质模型及历史数据进行断层处理,得到若干断层地质模型、若干断层历史数据;将若干断层地质模型、若干断层历史数据输入GAN神经网络进行训练;将地质勘探数据及历史数据进行断层处理,得到若干地质勘探断层数据及断层历史数据融合的地质数据;将若干地质勘探断层数据及断层历史数据融合的地质数据输入训练好的GAN神经网络,输出若干预测成矿地质模型断层图;将若干预测成矿地质模型断层图进行扩层连续,得到预测成矿全三维地质模型。
2.根据权利要求1所述基于GAN神经网络预测地质成矿的方法,其特征是:全三维地质模型是基于已有矿山勘探、采掘数据所揭示的实际矿体,在三维勘探软件中所建立的三维地质模型。
3.根据权利要求1所述基于GAN神经网络预测地质成矿的方法,其特征是:所述历史数据包括现有已知矿山勘探及采掘过程中所积累的地质数据。
4.根据权利要求1所述基于GAN神经网络预测地质成矿的方法,其特征是:全三维地质模型断层处理,是将全三维地质模型在垂直或水平方向以设定等
5.根据权利要求4所述基于GAN神经网络预测地质成矿的方法,其特征是:历史数据断层处理,是将地质数据依据其空间坐标归属的分割实体,对其进行分组,转换为若干断层历史数据。
6.根据权利要求5所述基于GAN神经网络预测地质成矿的方法,其特征是:GAN神经网络进行训练时,断层历史数据与其归属的断层地质模型一一对应。
7.根据权利要求6所述基于GAN神经网络预测地质成矿的方法,其特征是:预测成矿地质模型断层图扩层连续的方法,是将若干预测成矿地质模型断层图依序、以设定等间距重新排列,将相邻预测成矿地质模型断层图中的矿脉与围岩分界线通过三角网连接,最终生成预测成矿全三维地质模型。
...【技术特征摘要】
1.一种基于gan神经网络预测地质成矿的方法,基于历史数据,通过计算机构建全三维地质模型;其特征是:将全三维地质模型及历史数据进行断层处理,得到若干断层地质模型、若干断层历史数据;将若干断层地质模型、若干断层历史数据输入gan神经网络进行训练;将地质勘探数据及历史数据进行断层处理,得到若干地质勘探断层数据及断层历史数据融合的地质数据;将若干地质勘探断层数据及断层历史数据融合的地质数据输入训练好的gan神经网络,输出若干预测成矿地质模型断层图;将若干预测成矿地质模型断层图进行扩层连续,得到预测成矿全三维地质模型。
2.根据权利要求1所述基于gan神经网络预测地质成矿的方法,其特征是:全三维地质模型是基于已有矿山勘探、采掘数据所揭示的实际矿体,在三维勘探软件中所建立的三维地质模型。
3.根据权利要求1所述基于gan神经网络预测地质成矿的方法,其特征是:所述历史数据包括现有已知矿山勘探及采掘过程中所积累的地质数据。
4.根据权利要求1所述基于gan神经网络预测地质成矿的方法,其特征是:全三维地质模型断层...
【专利技术属性】
技术研发人员:杨家虎,何刚,张乾隆,冯彦平,史海松,王贵轩,苗俊冬,姬鹏成,白平平,周小磊,郭钢,赵加豪,王增荣,吴明阳,
申请(专利权)人:河南发恩德矿业有限公司,
类型:发明
国别省市:
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。