【技术实现步骤摘要】
本专利技术涉及矿产勘查领域，尤其涉及一种融合gat和gcn的矿产资源智能评价方法。
技术介绍
1、矿产资源定量预测评价需要考虑大量的地质、地球化学、地球物理和遥感数据，需要对这些地质大数据进行综合处理。在数字和信息化地球科学领域，地质大数据的获取实时性更强、更新、更快。地质大数据价值巨大，但因其数据量巨大、多源、多类、多维等特点，存在价值密度低和有用价值难获取的问题，如何准确而高效地挖掘出蕴藏在数据背后有价值的找矿信息，为矿产预测和找矿勘查提供决策服务成为地质大数据应用的技术挑战。利用先进的数学地质理论与方法，通多融合多源地学空间信息绘制矿产分布预测图、估算预测资源量，进而筛选靶区、缩小最优找矿地段和降低勘查风险成为寻找最具矿化地段的重要途径。
2、矿床的形成受控于多个复杂的成矿作用过程，如成矿物质的来源、成矿流体运移通道、成矿物质聚集场所等，由此衍生一系列控矿变量。这些控矿变量与矿床之间形成了复杂的空间关联和非线性耦合关系。传统的机器学习模型，如随机森林、支持向量机等，在捕捉复杂非线性关系和处理非结构化数据时存在限制，使得...
【技术保护点】
1.一种融合GAT和GCN的矿产资源智能评价方法，其特征在于：包括：
2.如权利要求1所述的一种融合GAT和GCN的矿产资源智能评价方法，其特征在于：步骤S3中，GAT模型包含2个图注意层，第一层为多头图注意层，输入维度为H(0)∈Rk×29，输出维度为H(1)∈Rk×(18×3)，k为节点数量；第二层为单头图注意层，输入维度为H(1)∈Rk×(18×3)，输出维度为P0∈Rk×2，激活函数为ReLu(·)。
3.如权利要求1所述的一种融合GAT和GCN的矿产资源智能评价方法，其特征在于：步骤S3中，使用验证集D3对训练后的GAT模型进行性能评...
【技术特征摘要】
1.一种融合gat和gcn的矿产资源智能评价方法，其特征在于：包括：
2.如权利要求1所述的一种融合gat和gcn的矿产资源智能评价方法，其特征在于：步骤s3中，gat模型包含2个图注意层，第一层为多头图注意层，输入维度为h(0)∈rk×29，输出维度为h(1)∈rk×(18×3)，k为节点数量；第二层为单头图注意层，输入维度为h(1)∈rk×(18×3)，输出维度为p0∈rk×2，激活函数为relu(·)。
3.如权利要求1所述的一种融合gat和gcn的矿产资源智能评价方法，其特征在于：步骤s3中，使用验证集d3对训练后的gat模型进行性能评价时，预设准确度为70％。
4.如权利要求1所述的一种融合gat和gcn的矿产资源智能评价方法，其特征在于：步骤s5中，预设置信度为0.99，节点标签为1的概率p>＝0.99的节点为置信度高的正样本点，剩余样本的节点为标签为1的概率p<＝0.01的节点。
5.如权利要求1所述的一种融合gat和gcn的矿产资源智能评价方法，其特征在于：步骤s6中...
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。