[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

说明书

本发明公开了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，包括基于矿床三维结构信息的地质体形态特征图像的构建，以及针对地质体形态特征图像的地质形态控矿特征深度网络。在研究成矿地质体形态展布对矿化空间定位的控制作用时，本发明通过建立矿床三维结构信息对深度卷积神经网络的重组织表达，利用深度神经网络建立矿床三维结构到成矿地质体形态控矿深层次特征及成矿后验概率的映射，同时避免直接将高维的矿床三维结构表达至深度网络带来的高资源开销与大数据依赖。

技术领域

本发明属于隐伏矿体三维预测领域，尤其涉及地质体形态分析方法。

背景技术

矿体的形成和就位普遍受到成矿地质体的形态展布控制。因此，分析矿床三维结构信息，从成矿地质体三维模型中提取有利成矿的形态特征，获得有效的地质体形态控矿特征，已成为隐伏矿体三维预测的重要手段。然而，现有的地质体三维形态分析方法，难以有效提取反映地质体形态展布对矿化空间定位制约的深层次特征，严重影响了隐伏矿体三维预测的可靠性和准确性。

随着计算机技术和深度学习技术的发展，深度学习方法在机器学习和模式识别领域取得了较大成功，使得利用深度学习方法对矿体的形态控矿作用分析成为可能。但是，若直接将高维的矿床三维结构信息以体元模型形式输入深度网络进行隐伏矿体三维预测，将产生海量的待训练参数和难以接受的计算开销。

发明内容

本发明的目的是提供一种重组织方法，实现矿床三维结构信息对深度网络的重组织输入，并在深度网络中表达矿床的多地质体-多尺度-多特征的地质形态联合控矿作用。包括：基于矿床三维结构信息的地质体形态特征图像的构建，以及针对地质体形态特征图像的地质形态控矿特征深度网络。

为了实现上述技术目的，本发明的技术方案是，

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，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，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。