【技术实现步骤摘要】
本专利技术涉及地质构造，尤其涉及一种地质构造背景预测方法、装置及存储介质。
技术介绍
1、现有技术中的地质构造流程是，首先获取研究区可见光数据，接着根据地质背景情况，绘制地质构造图，最后现场踏勘进一步提高构造解译精度。传统方法的不足体现在：首先，易受不利天气、山体阴影、水汽含量高等因素影响，导致大量数据无法使用；其次，不同工作人员由于个人主观经验的不同，导致构造解译结果具有很大的主观性，缺乏科学性；最后，由于人力物力的限制，踏勘无法遍布所有研究区，限制了提取的精度。
技术实现思路
1、为克服相关技术中存在的问题，本专利技术提供一种地质构造背景预测方法、装置及存储介质，从而提高地质构造背景分类预测的准确性和效率。
2、根据本专利技术实施例的第一方面，提供一种地质构造背景预测方法，所述方法包括：
3、获取多个岩石地球化学元素数据；
4、对每个岩石地球化学元素数据进行预处理，得到目标岩石地球化学元素数据，其中，所述目标岩石地球化学元素中包含预设数量的目标化学元素，以及每个目标化学元素的含量；
5、根据每个所述目标岩石地球化学元素数据构造对应的目标图像，并将所有目标图像划分为训练样本和预测样本；
6、根据所述训练样本和预设的卷积神经网络进行训练，得到地质构造背景预测模型；
7、使用所述地质构造背景预测模型对每个预测样本进行预测，以得到每个预测样本对应的岩石类型。
8、在一个实施例中，优选地，根据每个所述目标
9、将每个目标岩石地球化学元素数据按照预设数量的目标化学元素以及每个目标化学元素的含量转化为预设行列的目标矩阵，所述目标矩阵中每个特征值对应一个目标化学元素的含量；
10、根据每个目标矩阵，构造对应的目标图像。
11、在一个实施例中，优选地，根据每个目标矩阵，构造对应的目标图像，包括：
12、将所述目标矩阵中每个特征值，转化为对应的灰度值，以得到灰度值矩阵；
13、根据所述灰度值矩阵构造对应的目标图像。
14、在一个实施例中，优选地，所述方法还包括：
15、根据所述预设数量确定所述目标矩阵的预设行列。
16、在一个实施例中，优选地，所述预设数量包括36个，所述目标化学元素包括：sio2、tio2、al2o3、tfe2o3、mno、mgo、cao、na2o、k2o、p2o5、rb、sr、y、zr、nb、ba、la、ce、pr、nd、sm、eu、gd、tb、dy、ho、er、tm、yb、lu、hf、ta、th、u、cr和ni。
17、在一个实施例中，优选地，所述岩石包括玄武岩，所述岩石类型包括岛弧玄武岩、洋导玄武岩和洋中脊玄武岩。
18、在一个实施例中，优选地，所述方法还包括：
19、获取待识别岩石地球化学元素数据；
20、对所述待识别岩石地球化学元素数据进行预处理，得到处理后的岩石地球化学元素数据；
21、根据处理后的岩石地球化学元素数据构造对应的待识别图像；
22、使用所述地质构造背景预测模型对所述待识别图像进行预测，以得到所述待识别岩石地球化学元素数据对应的岩石类型，具体包括：
23、所述岩石地球化学元素数据为一组化学元素含量序列，其中，所述化学元素含量序列的排序关系为由含量最小到含量最大；
24、利用第一计算公式计算每种化学元素的含量占比；
25、获取所述岩石地球化学元素数据后，按照每种化学元素的含量由含量最小到含量最大顺时针，画饼状图，作为对应的待识别图像，其中，所述待识别图像中每种元素所占的面积利用第二计算公式获得；
26、利用第三计算公式计算目标化学元素的相似度；
27、获得所述地质构造背景预测模型，利用第四计算公式计算综合相似度；
28、在所述地质构造背景预测模型选择综合相似度最大的3种岩石类型，作为相似岩石库；
29、获得所述相似岩石库，对岩石库中的图像进行灰度处理，并对比岩石库中的结构相似性指数；
30、利用第五计算公式计算综合指数，并将所述相似岩石库中综合指数最大的岩石类型作为识别结构；
31、所述第一计算公式为：
32、a＝b÷c
33、其中，a为每种化学元素的含量占比，b为化学元素的含量，c为化学元素的含量的总量；
34、所述第二计算公式为：
35、d＝k×a
36、其中，d为元素所占的面积，k为系数；
37、所述第三计算公式为：
38、e＝100％×(di-dj)÷di
39、其中，e为目标化学元素的相似度，di为所述岩石地球化学元素数据中的元素所占的面积，dj为所述地质构造背景预测模型中的元素所占的面积；
40、所述第四计算公式为：
41、z1＝σe
42、其中，z1为综合相似度，σe为地质构造背景预测模型中所有的目标化学元素的相似度的加和。
43、所述第五计算公式为：
44、z＝z1+s×f
45、其中，z为综合指数，s为预设修正系数，f为结构相似性指数。
46、根据本专利技术实施例的第二方面，提供一种地质构造背景预测装置，所述装置包括：
47、获取模块，用于获取多个岩石地球化学元素数据；
48、预处理模块，用于对每个岩石地球化学元素数据进行预处理，得到目标岩石地球化学元素数据，其中，所述目标岩石地球化学元素中包含预设数量的目标化学元素，以及每个目标化学元素的含量；
49、构造模块，用于根据每个所述目标岩石地球化学元素数据构造对应的目标图像，并将所有目标图像划分为训练样本和预测样本；
50、训练模块，用于根据所述训练样本和预设的卷积神经网络进行训练，得到地质构造背景预测模型；
51、预测模块，用于使用所述地质构造背景预测模型对每个预测样本进行预测，以得到每个预测样本对应的岩石类型。
52、在一个实施例中，优选地，构造模块包括：
53、转化单元，用于将每个目标岩石地球化学元素数据按照预设数量的目标化学元素以及每个目标化学元素的含量转化为预设行列的目标矩阵，所述目标矩阵中每个特征值对应一个目标化学元素的含量；
54、图像构造单元，用于根据每个目标矩阵，构造对应的目标图像。
55、在一个实施例中，优选地，图像构造单元用于：
56、将所述目标矩阵中每个特征值，转化为对应的灰度值，以得到灰度值矩阵；
57、根据所述灰度值矩阵构造对应的目标图像。
58、在一个实施例中，优选地，所述装置还包括：
59、确定模块，用于根据所述预设数量确定所述目标矩阵的预设行列。
60、在一个实本文档来自技高网...
【技术保护点】
1.一种地质构造背景预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，根据每个所述目标岩石地球化学元素数据构造对应的目标图像，包括：
3.根据权利要求2所述的方法，其特征在于，根据每个目标矩阵，构造对应的目标图像，包括：
4.根据权利要求2所述的方法，其特征在于，所述方法还包括：
5.根据权利要求1所述的方法，其特征在于，所述预设数量包括36个，所述目标化学元素包括：SiO2、TiO2、Al2O3、TFe2O3、MnO、MgO、CaO、Na2O、K2O、P2O5、Rb、Sr、Y、Zr、Nb、Ba、La、Ce、Pr、Nd、Sm、Eu、Gd、Tb、Dy、Ho、Er、Tm、Yb、Lu、Hf、Ta、Th、U、Cr和Ni。
6.根据权利要求2所述的方法，其特征在于，所述岩石包括玄武岩，所述岩石类型包括岛弧玄武岩、洋导玄武岩和洋中脊玄武岩。
7.根据权利要求1所述的方法，其特征在于，所述岩石地球化学元素数据确定岩石类型包括：
8.一种地质构造背景预测装置，其特征在于，所述装置包括
9.一种地质构造背景预测装置，其特征在于，所述装置包括：
10.一种计算机可读存储介质，其上存储有计算机指令，其特征在于，该指令被处理器执行时实现权利要求1-7中任一项所述方法的步骤。
...【技术特征摘要】
1.一种地质构造背景预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，根据每个所述目标岩石地球化学元素数据构造对应的目标图像，包括：
3.根据权利要求2所述的方法，其特征在于，根据每个目标矩阵，构造对应的目标图像，包括：
4.根据权利要求2所述的方法，其特征在于，所述方法还包括：
5.根据权利要求1所述的方法，其特征在于，所述预设数量包括36个，所述目标化学元素包括：sio2、tio2、al2o3、tfe2o3、mno、mgo、cao、na2o、k2o、p2o5、rb、sr、y、zr、nb、ba、la、ce、pr、nd、...
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。