买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国地质科学院地球物理地球化学勘查研究所

摘要：本申请涉及找矿预测技术领域，为一种数据驱动的找矿预测方法、装置、介质和设备。通过将获取的地质数据进行处理提取与找矿相关的特征数据，并将特征数据通过训练后的预测模型得到预测结果，其中预测结果用于表征地质中存在目标矿的概率。本申请实施例提供的方法，能够实现自动化找矿预测，相比现有技术其预测结果更加准确和完整。

主权项：1.一种数据驱动的找矿预测方法，其特征在于，所述方法包括：获取目标区域内的地质数据、元素地球化学数据、地球物理数据、遥感数据，并对所述元素地球化学数据、地球物理数据和所述遥感数据进行网格化处理，得到地球物理网格图、地球化学网格图、遥感网格图；所述地质数据为通过对地质图进行处理，在所述地质图中补充地质要素的属性信息形成的地质图结构数据，并基于MapGIS明码格式对所述地质数据进行导出；所述属性信息包括地质的物质组成、结构、构造中的一种或多种；所述元素地球化学数据包括所述目标区域内异常元素的地球化学测量数据；所述地球物理数据包括所述目标区域内地磁测量数据；所述遥感数据包括遥感影像，在所述遥感影像上配置有对应的地址解释；将所述地球物理网格图、所述地球化学网格图、遥感网格图融合至所述地质数据中，得到地质网格图，将所述地质网格图输入至训练后呈收敛状态的预测模型中，得到找矿预测分类图，并将所述找矿预测分类图投影到目标区域的地质图上圈定找矿预测区；所述找矿预测分类图上标注有不同矿产类型对应的概率；其中，所述预测模型包括编码器、4层全连接层、1层Softmax层和解码器，所述预测模型的训练方法采用窗口变换的方式对数据进行增强，得到增强后的数据样本，将所述数据样本通过高斯混合模型识别空间结构异常并计算异常得分，并基于预设置的异常得分阈值确定所述异常得分的得分分类，所述得分分类包括第一异常得分和第二异常得分，所述第一异常得分为高于所述异常得分阈值的得分分类，所述第二异常得分为低于所述异常得分阈值的得分分类，并将所述第一异常得分对应的样本标记为正样本，将所述第二异常得分对应的样本标记为负样本；基于所述正样本、所述负样本对初始预测模型进行训练；所述高斯混合模型由多个高斯模型进行线性组合，每个所述高斯模型具有对应的权重，所述将所述数据样本通过高斯混合模型识别空间结构异常并计算异常得分，包括：基于最大化以下对数似然函数来确定所述高斯混合模型的多个初始关键参数，并基于期望极大化对多个所述初始关键参数进行迭代得到多个目标关键参数，基于多个所述目标关键参数确定所述数据样本对应的概率值，并将所述概率值与预设置的概率阈值进行比较，当所述概率值小于所述概率阈值时确定对应的所述数据样本具有空间结构异常，并获取所述概率值与最大概率值的差值，所述差值为所述异常得分；所述高斯混合模型是多个高斯模型的线性组合，基于下式表示：，其中L是高斯模型的数量，每个高斯模型的权重，其满足和，表示样本属于第个高斯模型的概率；所述高斯混合模型的多个初始关键参数分别是，和，通过最大化以下对数似然函数来确定：。

全文数据：

权利要求：

百度查询： 中国地质科学院地球物理地球化学勘查研究所 一种数据驱动的找矿预测方法、装置、介质和设备