基于矿化空间自关联约束的三维成矿预测方法与流程
本发明属于计算机技术与矿产资源预测评价,具体涉及一种基于矿化空间自关联约束的三维成矿预测方法。
背景技术:
1、随着矿产资源勘查工作不断向深部和隐伏区域拓展,传统以地表地质现象和二维图件为主要依据的成矿预测方法,已经难以充分表达矿体、控矿构造及其他成矿要素在地下三维空间中的分布关系。
2、在三维成矿预测过程中,通常将研究区划分为多个规则或非规则的三维地质单元,并为各三维地质单元计算控矿构造距离、构造产状、地质体形态和物探化探异常等成矿信息。在此基础上,采用统计分析、机器学习或者深度学习方法,建立成矿信息与已知矿化分布之间的映射关系,并将建立的预测模型应用于未知区域,以获得各三维地质单元对应的成矿概率。
3、三维卷积神经网络能够通过三维卷积核在长度、宽度和深度方向上同步移动,从规则三维数据中提取局部空间特征,因而能够用于三维成矿信息与矿化分布关系的建模。与仅以单个地质体元的成矿信息作为输入的预测方法相比,采用三维邻域数据作为输入,可以扩大模型对中心体元周围成矿信息空间分布的感知范围。然而,矿化分布通常不是各向同性的随机空间分布。受构造延伸方向、矿体产状、成矿流体运移路径以及围岩性质等因素影响,矿化属性在不同空间方向上的相关程度和相关范围通常存在差异。沿主要控矿方向,矿化属性可能具有较大的空间连续范围;而在垂直于主要控矿方向的方向上,矿化属性的相关范围可能相对较小。因此,相对于中心体元,不同方向、不同距离的邻域体元对中心体元矿化状态的指示作用并不相同。
4、现有基于三维卷积神经网络的成矿预测方法,通常采用预先设定的规则立方体窗口组织三维邻域样本。该类方法一般依据地质体元在三维坐标系中的位置确定邻域范围,未充分利用已知矿化样本所反映的矿化空间结构参数,容易将不同空间方向上的体元按照相同邻域尺度进行处理,难以使模型输入邻域与矿化分布的各向异性空间结构相匹配。此外,在规则立方体邻域中,不同邻域体元通常以相同方式输入三维卷积神经网络,或者仅依靠后续卷积运算自动提取空间特征。该方式未在输入阶段区分中心体元与各邻域体元之间的空间相关程度,使相关程度较高、相关程度较低以及超出矿化空间相关范围的体元均可能参与卷积特征提取,容易引入与中心体元矿化状态关联较弱的成矿信息。
5、地质统计分析中的方向变异函数能够表征矿化属性随空间方向和空间距离变化的差异,并可用于获得矿化空间结构的主相关方向、变程、块金值和基台值等参数。但是,现有技术中,方向变异函数主要用于矿化属性插值和矿产资源储量估算,方向变异函数所揭示的矿化空间各向异性特征与三维卷积神经网络的邻域样本构建及特征提取过程之间缺少有效联系。有鉴于此,提出本技术。
技术实现思路
1、本发明能够克服上述缺陷,提供一种基于矿化空间自关联约束的三维成矿预测方法,其解决上述现有技术采用固定等向三维邻域、未充分考虑矿化空间相关范围的方向差异,以及不同邻域体元通常以相同方式参与卷积特征提取的问题。
2、为实现上述目的,本发明一种基于矿化空间自关联约束的三维成矿预测方法,包括以下步骤:
3、s1、获取研究区多源矿产勘查数据,构建成矿地质体和控矿地质体三维结构模型,将三维结构模型及其所在三维地质空间离散为多个三维地质体元,基于控矿地质体三维结构模型提取各体元的多维成矿信息特征得到三维成矿信息体元模型,基于成矿地质体三维结构模型获取带有矿化类别标签的已知矿化样本体元;
4、s2、计算已知矿化样本体元不同空间方向上的实验方向变异函数,以确定矿化空间结构的主相关方向及对应变程;
5、s3、以各三维地质体元作为中心体元构建三维包围窗口,根据所述主相关方向和变程计算中心体元与候选邻域体元的各向异性空间距离,筛选各向异性有效邻域;
6、s4、根据各向异性空间距离计算中心体元与所述有效邻域内各邻域体元之间的空间自关联权重;利用所述空间自关联权重对所述多维成矿信息特征进行体元级加权,生成空间自关联约束特征张量;
7、s5、构建以所述空间自关联约束特征张量为输入的三维卷积神经网络,并根据已知矿化样本体元对应的矿化类别标签训练所述三维卷积神经网络,得到成矿预测模型;
8、s6、利用成矿预测模型获得待预测三维地质体元对应的成矿概率。
9、进一步地,步骤s2中,所述主相关方向及对应变程具体实现如下:
10、根据已知矿化样本体元的空间坐标和矿化属性值,分别计算不同空间方向上的实验方向变异函数,表示为:
11、,
12、其中,为位置处的矿化属性值,为满足距离和方向容差条件的样本对数量,为空间距离向量;
13、采用预设变异函数模型对所述实验方向变异函数进行拟合,获得各空间方向对应的变程;
14、根据各空间方向的变程大小及其对应方向,确定矿化空间结构的第一主相关方向、第二主相关方向和第三主相关方向,以及对应的第一变程、第二变程和第三变程。
15、进一步地,步骤s3中,所述各向异性空间距离计算如下:
16、根据所述第一主相关方向、第二主相关方向和第三主相关方向的方位角和倾伏角构建单位方向向量,经归一化与正交化处理后,建立矿化空间结构局部坐标系与坐标旋转矩阵;
17、根据中心体元和候选邻域体元的空间坐标计算相对位置向量,并利用所述坐标旋转矩阵将相对位置向量转换至所述矿化空间结构局部坐标系:
18、,
19、其中,表示中心体元至候选邻域体元的相对位置向量在矿化空间结构局部坐标系中的坐标表述,为第一方向坐标分量,为第二方向坐标分量,为第三方向坐标分量,表示坐标旋转矩阵,表示相对位置向量;
20、计算所述中心体元与候选邻域体元之间的各向异性空间距离:
21、,
22、其中,为中心体元与候选邻域体元之间的各向异性空间距离;、和分别为第一变程、第二变程和第三变程,为第一方向坐标分量,为第二方向坐标分量,为第三方向坐标分量。
23、进一步地,所述各向异性有效邻域筛选具体实现如下:
24、以中心体元为中心,沿三维地质体元模型的三个坐标轴方向分别扩展预设数量的体元,构建规则立方体形式的三维包围窗口;
25、将所述三维包围窗口内各体元作为候选邻域体元,若候选邻域体元满足,确定为有效邻域体元;若候选邻域体元满足,确定为有效邻域外体元,其中,为预设邻域判定阈值;
26、由全部有效邻域体元形成与矿化空间结构的主相关方向和对应变程相匹配的旋转椭球状各向异性有效邻域。
27、进一步地,步骤s4具体实现如下:
28、根据所述有效邻域体元与中心体元之间的各向异性空间距离计算初始空间自关联权重,表示如下:
29、,
30、其中,为中心体元与有效邻域体元之间的初始空间自关联权重,为空间相关衰减参数;
31、对同一三维包围窗口内各体元的初始空间自关联权重进行归一化处理后,按照候选邻域体元在三维包围窗口中的空间位置进行排列,生成空间自关联权重张量;
32、将所述空间自关联权重张量分别与中心体元的各成矿信息特征通道对应的三维特征张量进行逐体元相乘,得到各通道对应的加权三维特征张量,表示如下:
33、,
34、其中,表示中心体元i第c个成矿信息的加权三维特征张量,表示逐体元相乘,表示中心体元i的第c个成矿信息的三维特征张量,为中心体元i的空间自关联权重张量;
35、将全部加权三维特征张量沿特征通道方向进行组合,形成空间自关联约束特征张量。
36、进一步地,所述三维卷积神经网络包括:
37、输入模块,用于接收所述空间自关联约束特征张量;
38、三维卷积特征提取模块,通过多个三维卷积层提取各向异性有效邻域内不同体元之间的局部空间关联特征;
39、特征集成模块,通过自适应平均池化和展平操作对所述局部空间关联特征进行集成;
40、分类预测模块,将集成后的空间关联特征转换为中心体元属于矿化类别和非矿化类别的概率并经输出模块输出。
41、进一步地,步骤s1具体实现如下:
42、获取研究区的地质平面图、地质剖面图、钻孔数据、反射地震数据和重力异常数据中的至少两种,提取表征成矿地质体和控矿地质体空间位置及产状的界面点和法向量;
43、以所述界面点和法向量作为约束数据,通过隐式地质建模获得三维离散地质空间中的隐函数标量场,并从所述隐函数标量场中提取等值面,构建成矿地质体和控矿地质体的三维结构模型;
44、按照预设体元尺寸对所述三维结构模型及其所在三维地质空间进行离散化,形成由多个三维地质体元组成的三维地质体元模型。
45、进一步地,所述多维成矿信息特征包括以下特征中的至少两种:
46、三维地质体元至控矿地质体的带符号最小距离特征;控矿地质体坡度特征;沿控矿地质体倾向方向的产状变化特征;沿控矿地质体走向方向的产状变化特征;控矿地质体一级趋势起伏特征;控矿地质体二级趋势起伏特征;控矿地质体法向量的三个分量。
47、与现有技术相比,本发明的优点和有益效果如下:
48、第一,本发明利用已知矿化样本的实验方向变异函数确定矿化空间结构的主相关方向和各主相关方向对应的变程,并据此建立矿化空间结构局部坐标系,使三维卷积神经网络输入邻域的方向和空间范围与矿化分布的各向异性空间结构相匹配,避免仅采用固定等向邻域难以反映不同方向矿化相关范围差异的问题;
49、第二,本发明在规则三维包围窗口内部构建旋转椭球状各向异性有效邻域,将超过矿化空间相关范围的候选邻域体元排除在有效邻域之外,能够减少与中心体元矿化状态关联较弱的外围体元信息对预测建模的干扰;
50、第三,本发明根据中心体元与邻域体元之间的各向异性空间距离及空间相关衰减参数计算空间自关联权重,使空间相关程度较高的邻域体元在成矿信息特征张量中具有较高权重,使空间相关程度较低的邻域体元具有较低权重,实现邻域体元成矿信息的差异化表达;
51、第四,本发明将空间自关联权重张量与各成矿信息特征通道进行逐体元加权,在不改变规则三维张量数据组织形式的条件下,将矿化空间结构参数引入三维卷积神经网络的特征提取过程,建立地质统计空间结构分析与三维深度学习预测之间的技术联系;
52、第五,本发明利用三维卷积神经网络对经过空间自关联约束的多通道成矿信息进行特征提取和分类预测,有助于增强模型对矿化空间分布方向性、连续性和局部关联特征的表达能力,为三维地质体元的成矿概率预测和成矿潜力评价提供定量依据。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com