一种基于图神经网络的地球化学晕找矿方法

本发明涉及矿产预测，尤其涉及一种基于图神经网络的地球化学晕找矿方法。

背景技术：

1、矿产潜力预测旨在通过分析和综合相关地质勘探数据（如地球化学、地球物理、遥感等），为矿产勘查圈定成矿潜力区并确定优先级，对降低勘探风险、提高找矿命中率起着至关重要的指导作用。在当前战略性矿产资源需求激增、浅部易识别矿床日益枯竭的背景下，对深部及覆盖区隐伏矿床的定量预测与评估成为了地质勘探领域的核心任务。

2、近年来，基于人工智能的数据驱动算法掀起了矿产资源定量评估的新浪潮。作为其核心，机器学习方法（如支持向量机、随机森林等）能够自动分析和挖掘海量勘探数据与已知矿床之间的复杂非线性关系。随着算力的提升，深度学习方法（如卷积神经网络cnn、图神经网络gcn等）因其卓越的高维特征提取与复杂空间模式识别能力，在矿产潜力预测领域展现出巨大潜力，有效克服了传统机器学习依赖人工设计特征的局限。然而，现有的考虑空间结构的深度学习模型，在应用于地球化学异常识别与矿产预测时，存在一个根本性的底层架构缺陷：对地球化学元素空间共生关系的“隐式学习”黑盒化，未能有效融合并显式表达“地球化学原生晕”的成矿先验规律。

3、在真实的热液成矿系统中，主成矿元素与伴生指示元素的运移和沉淀受特定物理化学条件控制，会形成具有严格空间分带性的地球化学原生晕。以典型的中低温热液微细浸染型矿床（如卡林型金矿）为例，其主成矿温度通常为140~250℃，成矿流体富含h2s、co2、ch4。其成矿系统决定了只有亲硫、低温、易迁移、与硫化物共沉淀的元素才能形成稳定的地球化学异常。长期的地质研究与勘查实践表明，au、as、sb、hg是此类金矿最核心的指示元素组合，并在空间上会形成hg（远程晕）-sb（前缘晕）-as（近矿晕）-au（矿体）的完整分带结构。这种多元素间的共生组合及其在空间上的动态演化（即空间非平稳性），是矿床地球化学找矿的最核心依据。但在现有的深度神经网络架构中，不同地质化探元素（如au、as、sb、hg）通常被简单地堆叠为相互独立的“特征通道”输入网络。网络模型完全依赖权重矩阵在黑盒中“隐式地”去拟合元素之间的关系。这种纯数学的处理方式孤立了元素之间客观存在的成矿协同关系，导致网络在提取特征时，无法感知“由于伴生指示元素（如as、sb）异常极高而预示深部隐伏主矿体”的前缘晕特征。在有限勘探样本的条件下，这种缺乏地学物理机制约束的拟合极易被背景噪声干扰，导致预测出的找矿靶区常常违背地质常识，缺乏可靠的地质学可解释性。

技术实现思路

1、本发明的目的在于：为了解决现有基于地球化学原生晕的矿产预测缺乏地学物理约束的问题，提出一种基于图神经网络的地球化学晕找矿方法，包括以下步骤：

2、s1、确定矿产的指示元素组合，获取地质样品数据中元素组合的插值栅格数据；

3、s2、将具有有效数据的像素点作为无向图的节点，构建无向图的稀疏邻接矩阵，得到全局空间邻接矩阵；

4、按照地质成矿规律确定矿产指示元素组合的原生晕分带序列，按照分带序列顺序，提取各节点对应的元素丰度值，构建初始节点特征矩阵；

5、s3、基于初始节点特征矩阵，计算元素组合中两两元素的相关系数，提取有效相关系数的绝对值，构建对称相关矩阵并归一化，得到局部原生晕特征协同张量；

6、s4、构建图卷积网络，基于初始节点特征矩阵、全局空间邻接矩阵以及局部原生晕特征协同张量计算图卷积网络的特征；

7、s5、基于训练后的图卷积网络，对研究区进行矿产预测。

8、进一步地，采用八邻域规则构建无向图的稀疏邻接矩阵，并引入自连接。

9、进一步地，设定大小为n×n的移动窗口，针对任意节点，提取窗口内对应分带序列，计算分带序列元素组合中两两元素的相关系数。

10、进一步地，

11、采用下式计算元素组合中两两元素的相关系数：

12、

13、其中，表示在节点i的局部窗口内元素u和元素v的皮尔逊相关系数；n为窗口内的有效像素数量；和分别表示元素u和元素v在窗口内第m个像素的丰度值；和分别为元素u和元素v在该窗口内的平均丰度值；

14、采用下式将对称相关矩阵进行归一化：

15、

16、其中，表示归一化后节点i的局部原生晕特征协同张量中第j行第k列的值；表示归一化前节点i的对称相关矩阵中第j行第k列的绝对相关系数值；c为列索引；m为指示元素组合中元素数量；为防止分母为零的常数；

17、遍历所有节点后，拼接生成局部原生晕特征协同张量。

18、进一步地，图卷积网络第一层特征计算公式如下：

19、

20、其中，为第一层图卷积输出的隐藏层特征矩阵；为非线性激活函数；为增加维度后的初始特征张量；为批量矩阵乘法算子；为降维算子；为网络第一层可学习的权重矩阵；为全局空间邻接矩阵；为局部特征张量计算图卷积网络的特征；

21、图卷积网络第2~l层特征计算公式如下：

22、

23、其中，和分别为第和第层图卷积输出的隐藏层特征矩阵；为第层可学习权重矩阵，l为图卷积层数；

24、图卷积网络的输出层的计算公式为：

25、

26、其中，y为所有节点的类别预测概率矩阵，softmax为softmax函数。

27、进一步地，图卷积网络训练时的损失函数为：

28、

29、其中，为图卷积网络训练的损失值；为参与计算的标记样本总数；i为样本索引；c为类别索引，1代表成矿，2代表无矿；为节点i属于类别c的真实标签独热编码；为网络输出的节点i属于类别c的预测概率；为l2正则化系数；代表网络中所有可训练的权重参数。

30、本发明还提出一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述的基于图神经网络的地球化学晕找矿方法。

31、本发明还提出一种电子设备，包括处理器和存储器，所述处理器与所述存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括计算机可读指令，所述处理器被配置用于调用所述计算机可读指令，执行上述的基于图神经网络的地球化学晕找矿方法。

32、本发明还提出一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现上述的基于图神经网络的地球化学晕找矿方法的步骤。

33、本发明提供的技术方案带来的有益效果是：

34、本发明将元素组合的插值栅格数据作为节点构造无向图，基于多元素空间分带演化规律，根据各节点对应的元素丰度值构造节点特征矩阵，并得到全局空间邻接矩阵；根据两两元素相关系数的绝对值作为元素间协同强度的度量，得到局部原生晕特征协同张量；基于节点特征矩阵、全局空间邻接矩阵以及局部特征张量计算图卷积网络的特征。约束图卷积网络按照地质成矿规律进行计算，将元素之间的局部共生关系转化为神经网络可计算的局部空间相关性约束，本发明克服了现有的基于地球化学原生晕的矿产预测方法缺乏地学物理约束的问题，提升隐伏矿产预测的地学合理性与命中率。