[发明专利]一种矿床三维结构信息到地质体形态控矿深度网络的重组织方法

权利要求书

1.一种矿床三维结构信息到地质体形态控矿深度网络的重组织方法，其特征在于，包括以下步骤：

步骤一，以G_i表示矿床成矿空间中已知的任一成矿地质体，组成集合{G₁,…,G_k}，计算G_i初级形态特征，并存储至表达G_i,1≤i≤k的体元之中；

步骤二，建立矿床三维结构的形态特征图像：

对目标体元v和集合{G₁,…,G_k}，确定G_i对目标体元v的控制区域Ω_i，根据控制区域Ω_i对图像空间Π_i的映射关系，基于Ω_i内体元的形态控矿潜在特征，对Π_i上栅格属性赋值，建立集合{G₁,…,G_k}在多个尺度下的形态特征多通道图像；

步骤三，构建表达地质体形态控矿作用的深度神经网络：

给定成矿空间中不同地质体在不同尺度下形态特征的多通道图像，构建以这种多通道图像为输入的深度神经网络，表达矿床三维结构中不同成矿地质体在不同成矿作用范围下对矿化空间定位的制约；

所述的步骤二中，给定成矿空间中任一目标体元v及与其相关的成矿地质体集合{G₁,…,G_k}，对于集合中的G_i，首先寻找G_i表面所有体元中到v最近的体元，设其中心点为p_i；然后构建过v中心点，且法向量方向与p_i-v方向一致，边长为预设成矿作用范围L的正方形平面区域Π_i，以此作为图像空间，并将此图像空间均匀地划分为多个正方形栅格区域；最后，计算G_i上各体元s_ij相对于区域Π_i所在平面的深度d_ij：

沿方向-(p_i-v)，将G_i上的各体元s_ij正射投影至图像空间Π_i所在的平面上，得到s_ij在该平面上的正射投影位置q_ij，对于正射投影位置q_ij落入图像空间区域Π_i的所有体元的集合，则作为G_i对目标体元v的控制区域Ω_i；在此基础上，给定Π_i上某栅格区域r_uv，根据(1)式，寻找投影至r_uv上所有体元中具有最小投影深度的体元将处所对应的多元形态特征以及距目标体元v的距离，赋给Π_i上的栅格r_uv，从而实现G_i三维形态特征及影响程度到图像空间Π_i的映射；对{G₁,…,G_k}中所有成矿地质体G_i均基于上述映射过程，在不同成矿作用范围L下，构建控制体元v的形态特征图像，以不同成矿地质体G_i，不同尺度为一个图像通道，建立形成集合{G₁,…,G_k}在多个尺度下的形态特征多通道图像。

2.根据权利要求1所述的一种矿床三维结构信息到地质体形态控矿深度网络的重组织方法，其特征在于，所述的步骤一中，计算已知成矿地质体界面的曲率和形态起伏程度，以此作为成矿地质体的初级形态特征。

3.根据权利要求1所述的一种矿床三维结构信息到地质体形态控矿深度网络的重组织方法，其特征在于，所述的步骤三中，在神经网络的前端，针对不同地质体在不同尺度的形态特征图像，构建多个子网络，每个子网络采用AlexNet卷积神经架构；进一步，构建以同一地质体子网络输出结果为输入的全连接层，实现地质体在不同尺度下形态控矿特征的融合；在此基础上，以融合结果为输入，建立融合不同地质体形态控矿特征的全连接层，以提取地质体多尺度形态的联合控矿特征；最后，基于逻辑回归分类器的sigmoid函数，建立地质体多尺度形态的联合控矿特征到体元v成矿后验概率之间的映射，形成实现由形态特征多通道图像到成矿后验概率端到端训练和预测的深度神经网络。