[发明专利]一种基于铜元素光谱指数反演的铜元素丰度预测方法有效
| 申请号: | 202111277032.2 | 申请日: | 2021-10-29 |
| 公开(公告)号: | CN114002165B | 公开(公告)日: | 2022-08-30 |
| 发明(设计)人: | 王珊珊;周可法;王金林;周曙光;陈艺超;杜茜诗慧;吴梦娟;唐超;刘盈娣 | 申请(专利权)人: | 中国科学院新疆生态与地理研究所 |
| 主分类号: | G06F17/15 | 分类号: | G06F17/15 |
| 代理公司: | 北京正华智诚专利代理事务所(普通合伙) 11870 | 代理人: | 杨浩林 |
| 地址: | 830011 新疆维*** | 国省代码: | 新疆;65 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 基于 铜元 光谱 指数 反演 素丰度 预测 方法 | ||
1.一种基于铜元素光谱指数反演的铜元素丰度预测方法,其特征在于,所述方法包括:
S1、获取目标铜矿区的样品,并在预设的光谱指数集合中确定出最佳光谱指数;
S2、判断所述最佳光谱指数对应的最佳波段是否在预设区间内,若是,则执行步骤S3,若否,则执行步骤S4;
S3、通过所述最佳光谱指数建立回归模型,同时通过哈普克模型构建反演函数,并通过所述回归模型和所述反演函数进行铜元素丰度预测;
具体包括以下分步骤:
S31、基于所述回归模型确定出第一预测值;
S32、基于所述反演函数确定出第二预测值;
S33、判断所述第一预测值和所述第二预测值的差值的绝对值是否小于预设阈值,若是,则将所述第一预测值作为最终的铜元素丰度预测值,若否,则将所述第一预测值和第二预测值的平均值作为最终的铜元素丰度预测值;
S4、通过哈普克模型构建反演函数,并通过所述反演函数进行铜元素丰度预测。
2.如权利要求1所述的基于铜元素光谱指数反演的铜元素丰度预测方法,其特征在于,所述光谱指数集合包括反射率光谱指数、一阶导数光谱指数、第一简单比值光谱指数、第二简单比值光谱指数、第一归一化差值光谱指数和第二归一化差值光谱指数。
3.如权利要求2所述的基于铜元素光谱指数反演的铜元素丰度预测方法,其特征在于,所述光谱指数集合中各光谱指数通过如下公式进行表示:
反射率光谱指数:pλ1;
一阶导数光谱指数:pλ1-pλ2;
第一简单比值光谱指数:pλ2/pλ1;
第二简单比值光谱指数:(pλ1-pλ2)/(pλ1+pλ2-2pλ3);
第一归一化差值光谱指数:(pλ1-pλ2)/(pλ1+pλ2);
第二归一化差值光谱指数:(pλ1-pλ3)/(pλ2-pλ3);
式中,p为波段值,λ1为第一波段,λ2为第二波段,λ3为第三波段。
4.如权利要求2所述的基于铜元素光谱指数反演的铜元素丰度预测方法,其特征在于,确定所述最佳光谱指数包括以下分步骤:
S11、确定出每一个光谱指数与所述样品中铜元素之间的最佳波段;
S12、基于每一个光谱指数对应的最佳波段确定出所述最佳光谱指数。
5.如权利要求4所述的基于铜元素光谱指数反演的铜元素丰度预测方法,其特征在于,所述步骤S12是通过判定系数R2和均方根误差RMSE来进行确定所述最佳光谱指数的,所述判定系数R2和所述均方根误差RMSE通过如下公式进行表示:
式中,为铜元素估计值,yj为铜元素的测量参考值,为铜元素的测量平均值,n为所述样品的数量。
6.如权利要求1所述的基于铜元素光谱指数反演的铜元素丰度预测方法,其特征在于,所述回归模型通过如下公式进行表示:
Ccu=0.6614(R(λ1)-R(λ2))/(R(λ1)+R(λ2))+17533
式中,Ccu为铜元素丰度预测值,R为波谱反射率,λ1和λ2为对最佳光谱指数对应的最佳波段。
7.如权利要求1所述的基于铜元素光谱指数反演的铜元素丰度预测方法,其特征在于,所述步骤S3和步骤S4中通过哈普克模型构建反演函数具体包括以下分步骤:
A1、基于所述样品确定出哈普克输入参数中的单次散射反照率;
A2、通过所述样品中铜元素含量和所述单次散射反照率构建所述反演函数。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国科学院新疆生态与地理研究所,未经中国科学院新疆生态与地理研究所许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202111277032.2/1.html,转载请声明来源钻瓜专利网。





