一种基于自集成图卷积神经网络的成矿潜力制图方法技术

本发明专利技术提供了一种基于自集成图卷积神经网络的成矿潜力制图方法，涉及矿产资源预测与潜力评价领域，包括：分析研究区地质背景与矿床成矿规律，确定控矿要素与找矿指标；采用数据挖掘和特征提取技术，量化表征成矿信息，构建定量化与结构化的控矿要素数据集和拓扑关系数据集；在拓扑关系数据集中引入扰动策略，增强自集成图卷积神经网络(SEGCN)模型的鲁棒性和泛化能力；根据SEGCN模型的损失函数，建立训练模型，并对模型性能检验与评估；利用调优后的训练模型计算矿床成矿概率，绘制成矿潜力预测图。本发明专利技术的有益效果为：该发明专利技术对于利用SEGCN模型优势可以获得稳健的矿产预测结果，可为决策者提供可靠的决策服务。

【技术实现步骤摘要】

本专利技术涉及矿产资源预测与潜力评价领域，尤其涉及一种基于自集成图卷积神经网络的成矿潜力制图方法。

技术介绍

1、矿产资源定量预测与潜力评价问题一直都是人工智能的重要应用场景。作为人工智能的核心技术，深度学习正在推动矿产资源定量预测向智能化发展。近年来，图卷积神经网络作为深度学习
的重要热点，以其独特的优势已成功引入到矿产资源定量预测与潜力评价领域。图卷积神经网络模型能够高效捕捉拓扑关系结构中不规则节点之间的相关性特征，解决了卷积神经网络只能处理规则欧几里得数据的问题。然而，图卷积神经网络中的卷积操作本质上是拉普拉斯平滑的一种特殊形式，由此对输入数据将产生严重的平滑问题，不利于矿产资源定量预测中地质异常信息的有效识别。同时，图卷积神经网络无法充分学习距离较远的数据节点信息。

技术实现思路

1、为了解决gcn对输入数据产生的严重平滑问题，在成矿预测中有效识别地质异常信息，充分学习距离较远的数据节点信息，本专利技术提供了一种基于自集成图卷积神经网络的成矿潜力制图方法，主要包括：

<p>2、s1：分析研本文档来自技高网...

【技术保护点】

1.一种基于自集成图卷积神经网络的成矿潜力制图方法，其特征在于：包括：

2.如权利要求1所述的一种基于自集成图卷积神经网络的成矿潜力制图方法，其特征在于：步骤S3中，所述师生结构模型包括教师模型和学生模型，教师模型和学生模型的训练参数与输入数据不同；两层图卷积神经网络的卷积层Z的输出定义为：

3.如权利要求1所述的一种基于自集成图卷积神经网络的成矿潜力制图方法，其特征在于：步骤S4中，有监督损失函数Cc(Ms,A,x,y)的公式如下：

4.如权利要求1所述的一种基于自集成图卷积神经网络的成矿潜力制图方法，其特征在于：步骤S4中，无监督损失函数U的计算公...

【技术特征摘要】

1.一种基于自集成图卷积神经网络的成矿潜力制图方法，其特征在于：包括：

2.如权利要求1所述的一种基于自集成图卷积神经网络的成矿潜力制图方法，其特征在于：步骤s3中，所述师生结构模型包括教师模型和学生模型，教师模型和学生模型的训练参数与输入数据不同；两层图卷积神经网络的卷积层z的输出定义为：

3.如权利要求1所述的一种基于自集成图卷积神经网络的成矿潜力制图方法，其特征在于：步骤s4中，有监督损失函数cc(ms,a,x,y)的公式如下：

4.如权利要求1所述的一种基于自集成图卷积神经网络的成矿潜力制图方法，其特征在于：步骤s4中，无监督损失函数u的计算公式如下：

5.如权利要求1所述的一种基于自集成图卷积神经网络的成矿潜力制图方法，其特征在于：步骤s4中，对segcn模型使用伪标签训练策略进行训练，具体过...

【专利技术属性】
技术研发人员：刘岳，楼永航，张昭，
申请(专利权)人：中国地质大学武汉，
类型：发明
国别省市：