[发明专利]基于BP神经网络的矿石品位估值方法及装置

说明书

本发明实施例提供一种基于BP神经网络的矿石品位估值方法及装置，该方法包括：获取矿床中待进行品位估值的矿石中位置点的三维空间坐标，根据所述三维空间坐标确定BP神经网络的输入信息；将所述输入信息输入到所述BP神经网络，输出所述位置点的品位数据；其中，所述BP神经网络根据所述矿石的位置点样本和所述位置点样本的品位数据进行训练获取。使得估值结果更加准确，在训练样本数量较少时，依然能保证矿石品位估值的精度。

技术领域

本发明涉及地质信息处理技术领域，尤其涉及一种基于BP神经网络的矿石品位估值方法及装置。

背景技术

随着三维可视化技术的快速发展，地质体建模技术也迅速发展。三维地质体建模中需要解决的重点问题是如何利用已知的钻孔地质信息计算未知区域的地质信息，即如何进行空间插值。

由于人力物力及资金成本的限制，通过钻孔等工程得到的地质数据都是一系列离散的、空间上分布不均匀的数据。因此，需要通过空间插值算法利用已知地质数据求取未知地质数据进而得到整个地质体的数据信息。在解决既有随机性又有结构性的空间插值问题时，通常采用克里格法。克里格法将矿化现象视为与空间位置相关的随机变量，用变异函数作为工具，能进行无偏最优估计且提供估计误差的储量计算方法，较为复杂。

克里格法只有在训练样本数较大时，才能对插值进行较高精度的预测。而采集大量的训练样本需要消耗大量的物力、人力和时间，大大增加了成本。克里格法在训练样本的减少时，无法拟合出半方差曲线方程，从而无法得到插值结果。此外，克里格法在训练样本数据满足正态分布的情况下才能使用。因此使用克里格法对矿石品位进行估值要求训练样本较多且满足正态分布，具有很大的局限性。

发明内容

本发明实施例提供一种基于BP神经网络的矿石品位估值方法及装置，用以解决现有技术中使用克里格法对矿石品位进行估值要求训练样本较多且满足正态分布，具有很大局限性的缺陷，实现使用较少的训练样本数据对矿石品位进行精确估算。

本发明实施例提供一种基于BP神经网络的矿石品位估值方法，包括：

获取矿床中待进行品位估值的矿石中位置点的三维空间坐标，根据所述三维空间坐标确定BP神经网络的输入信息；

将所述输入信息输入到所述BP神经网络，输出所述位置点的品位数据；其中，所述BP神经网络根据所述矿石的位置点样本和所述位置点样本的品位数据进行训练获取。

根据本发明一个实施例的基于BP神经网络的矿石品位估值方法，根据所述三维空间坐标确定BP神经网络的输入信息的步骤包括：

计算所述三维空间坐标中x坐标、y坐标和z坐标的平方和；

根据所述三维空间坐标和所述平方和，确定BP神经网络的输入信息。

根据本发明一个实施例的基于BP神经网络的矿石品位估值方法，根据所述三维空间坐标和所述平方和，确定BP神经网络的输入信息的步骤包括：

将所述平方和作为ln函数中的对数，获取ln函数的值；

计算所述平方和的算数平方根；

将所述ln函数的值、平方和的算数平方根，以及所述三维空间坐标中的x坐标、y坐标和z坐标作为所述BP神经网络的输入信息。

根据本发明一个实施例的基于BP神经网络的矿石品位估值方法，根据所述矿石的位置点样本和所述位置点样本的品位数据对所述BP神经网络进行训练的步骤之前还包括：

根据所述位置点样本的三维空间坐标，确定BP神经网络的多个输入信息；

对所述位置点样本对应的多个输入信息与所述位置点样本的品位数据进行归一化，使得所述位置点样本对应的归一化后的多个输入信息和品位数据位于[-1,1]范围内；