一种地质异常检测智能识别方法与流程

本发明涉及地质异常检测与智能识别，尤其是一种地质异常检测智能识别方法。

背景技术：

1、当前地质异常检测与智能识别系统主要依赖多源异构地质数据的时空对齐与特征融合，主流技术通过预设地质构造区块、统一坐标系转换、基于时间戳重采样或权重分配策略实现数据关联，使地震波信号、遥感影像和钻探岩芯数据在空间坐标系或时间轴下同步集成，为深度学习异常检测模型提供标准化输入。

2、然而，现有技术存在显著局限性。静态规则对齐范式缺乏对地质系统动态演化特性的适应能力，无法根据地质事件成因和空间拓扑变化实时调整对齐策略，导致特征提取存在系统性偏差。依赖显式网格映射与时间重采样的方法会丢失局部几何不变量，降低数据对真实地质状态的刻画精度。传统统计模型或融合网络采用参数权重或模板匹配方式，容易造成参数冗余，学习固定的对齐关系，对新场景及未见地质结构的泛化能力不足。

技术实现思路

1、本申请提供一种地质异常检测智能识别方法，旨在解决上述背景技术中提到的现有技术存在的问题或问题之一。

2、本申请提供的一种地质异常检测智能识别方法，具体包括：

3、s1：获取多源异构地质原始数据，并基于地质领域本体库提取结构化语义单元，构建可计算的地质语义图谱；

4、s2：基于所述多源异构地质原始数据保留各数据源固有的时空采样特性提取局部几何不变量，并将所述局部几何不变量映射为嵌入所述地质语义图谱的低维语义嵌入向量，生成多源语义嵌入向量集；

5、s3：根据所述多源语义嵌入向量集，基于预构建的时空拓扑编码器中的时序注意力分支提取地质演化时间特征，基于空间拓扑约束分支提取空间邻域岩层连续性特征，并经双分支耦合运算生成地质拓扑约束特征；

6、s4：基于所述地质拓扑约束特征定义可微分拓扑损失函数，生成隐式对齐地质特征流形；

7、s5：将待检测的新采集地质数据转换为新语义嵌入向量并输入至所述时空拓扑编码器中，实时计算所述新语义嵌入向量在所述隐式对齐地质特征流形中的位置坐标与时间位置，输出动态对齐地质特征序列；

8、s6：基于所述动态对齐地质特征序列执行地质异常检测，生成地质异常概率分布图；

9、s7：判断所述地质异常概率分布图中是否存在超过预设阈值的异常区域，若存在则触发地质预警信号并记录异常时空标签，若不存在则更新所述地质语义图谱的演化参数。

10、本申请提供的一种地质异常检测智能识别方法，具有以下有益效果：

11、（1）构建可计算地质语义图谱，将构造类型、岩性组合规则与应力响应模式等定性知识转化为结构化语义单元，利用局部几何不变量（如波形相位奇异点、边缘曲率极值、层理偏移矢量）生成低维语义嵌入向量。设计时空拓扑编码器分别建模时间序位概率分布与空间拓扑相容性约束，实现多源数据固有时空特性的无损保留与跨源对齐。

12、（2）引入可微分拓扑损失函数，最小化跨源语义嵌入在演化序位分布上的一致性熵值，同步惩罚违反岩层连续性拓扑约束的特征对齐结果，使多模态数据在隐空间中自动聚类于同一地质事件演化轨迹。该机制无需标注样本监督训练与预设融合规则，在断层、褶皱等非平稳地质环境下仍保持强鲁棒性与高泛化能力。

13、（3）新数据仅需提取局部不变特征并映射为语义嵌入，即可实时解码其在共享语义坐标系中的位置，无需插值或滤波等后处理。对齐后的统一表征直接作为下游模型输入，消除跨模态学习负担，减少参数冗余，提升分类精度与收敛速度，实现从多源观测到地质认知的端到端自适应对齐。

1.一种地质异常检测智能识别方法，其特征在于，包括：

2.根据权利要求1所述的一种地质异常检测智能识别方法，其特征在于，所述多源异构地质原始数据包含地震波信号、遥感影像数据及钻探岩芯记录。

3.根据权利要求2所述的一种地质异常检测智能识别方法，其特征在于，步骤s2具体包括：

4.根据权利要求3所述的一种地质异常检测智能识别方法，其特征在于，基于所述模态独立数据流集合执行局部几何特征提取操作，生成包含波形相位奇异点序列、影像边缘曲率极值点集和岩芯层理偏移矢量组的原始特征要素库，包括：

5.根据权利要求3所述的一种地质异常检测智能识别方法，其特征在于，步骤s3具体包括：

6.根据权利要求5所述的一种地质异常检测智能识别方法，其特征在于，所述图卷积网络由两个连续的隐藏层和一个输出层构成，其中：第一层图卷积和第二层图卷积为隐藏层，用于对输入的多源语义嵌入向量进行逐层聚合与非线性变换；第三层图卷积为输出层，用于引入图拉普拉斯算子进行平滑约束并输出空间拓扑特征向量。

7.根据权利要求5所述的一种地质异常检测智能识别方法，其特征在于，步骤s4具体包括：

8.根据权利要求7所述的一种地质异常检测智能识别方法，其特征在于，提取各数据源在地质演化时间轴上的分布离散度，生成跨源演化序位一致性熵值，包括：利用香农信息熵公式计算各数据源在地质演化时间轴上的分布离散度，将分布离散度映射为所述跨源演化序位一致性熵值。

9.根据权利要求5所述的一种地质异常检测智能识别方法，其特征在于，步骤s5具体包括：

10.根据权利要求1所述的一种地质异常检测智能识别方法，其特征在于，所述结构化语义单元包括：构造类型、岩性组合规则及应力响应模式。