基于深度学习矿产资源分类预测方法及系统

专利主权项内容

1.一种基于深度学习矿产资源分类预测方法，其特征在于，具体步骤包括：S1 : 获取现有钨锡矿所在区域的位置信息、地质构造数据、岩性数据、地层数据、地貌地形数据，构成各个区域的数据集，在地质图数据上进行标注，将现有的钨锡矿标注成相同面积的区域，构成样本标签，并将每个区域的数据集和每个区域的样本标签一一对应；S2 : 构建基于卷积神经网络的深度学习模型，将数据集划分为训练集和验证集，将训练集中各个区域的地质构造数据、岩性数据、地层数据、地貌地形数据输入深度学习模型，比较输出的结果与其对应的样本标签的误差，并根据误差通过反向传播和优化算法调整模型的权重和参数，并使用验证集评估训练后的模型，直至评估结果的准确率和精确率满足需求，输出验证后的深度学习模型；S3 : 使用验证后的深度学习模型对于数字化的地质图中的未开采区域进行识别，根据地质图中提供的地质特征信息，在数字化的地质图中划分出钨锡矿的预测区域的中心坐标及半径；S4 : 针对钨锡矿的一预测区域，在区域内进行土壤的采样，每个区域内采集N个点的土壤样本中，分别测量各个点采集的土壤中的钨、锡、锑、钼、硅、铝、硫、铁的含量，并根据钨、锡、锑、钼的含量分别计算偏度值和峰度值，并依据钨、锡、锑、钼的偏度值和峰度值综合生成钨锡矿权重系数；S5 : 将钨锡矿权重系数和预设的权重阈值进行对比，若钨锡矿权重系数小于预设的权重阈值，则预测该区域不存在钨锡矿，否则判断存在钨锡矿，并根据每个区域内N个点的土壤样本中的硅、铝、硫、铁的含量，综合生成种类判断系数，用于进一步判断钨锡矿的种类；S6 : 根据种类判断系数和预设的种类阈值进行对比，判断出对应区域的钨锡矿的种类，钨锡矿的种类包括石英脉型钨锡矿、硫化物型钨锡矿中的盐型钨锡矿。 数据由马 克 数 据整理