本發(fā)明涉及地質(zhì)勘探，更具體的說是涉及一種三維多參數(shù)融合的巖漿巖定位方法及系統(tǒng)。

背景技術(shù)：

1、巖漿巖是由巖漿噴出地表或侵入地殼冷卻凝固所形成的巖石，常見的巖漿巖有花崗巖、正長巖、閃長巖、安山巖、輝長巖和玄武巖等，巖漿巖定位對于地質(zhì)構(gòu)造研究、礦物勘探、地質(zhì)年代測定具有重要意義。

2、現(xiàn)有的巖漿巖定位方法通常通過電法和電磁法直接反演定位地下巖體位置，或者通過地震勘探技術(shù)對地下巖層分布進行反演，或者通過重力測量儀器描繪重力場分布從而反演確定巖漿巖的大體位置。但是，僅通過單一的方法對巖漿巖巖體進行定位，存在定位精度不足，準確性不佳的問題。

3、因此，如何提高巖漿巖巖體定位準確性是本領域技術(shù)人員亟需解決的問題。

技術(shù)實現(xiàn)思路

1、有鑒于此，本發(fā)明提供了一種三維多參數(shù)融合的巖漿巖定位方法及系統(tǒng)，通過獲取目標區(qū)域三維的多種參數(shù)，提高巖漿巖巖體定位準確性。

2、為了實現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：

3、本發(fā)明公開了一種三維多參數(shù)融合的巖漿巖定位方法，具體步驟如下：

4、獲取目標區(qū)域的各地質(zhì)參數(shù)三維數(shù)據(jù)，并預處理得到三維多參數(shù)數(shù)據(jù)；

5、利用訓練好的巖漿巖分類識別模型，確定所述三維多參數(shù)數(shù)據(jù)中各三維網(wǎng)格所屬類型的概率預測值；

6、根據(jù)三維網(wǎng)格的所屬類型的概率預測值以及鄰近三維網(wǎng)格的所屬類型的概率預測值，進行平滑處理確定全部三維網(wǎng)格的最終類型，得到巖漿巖巖體類型和三維定位。

7、進一步的，所述地質(zhì)參數(shù)三維數(shù)據(jù)包括：三維密度數(shù)據(jù)、三維磁化率數(shù)據(jù)、三維電阻率數(shù)據(jù)、三維極化率數(shù)據(jù)、三維彈性模量數(shù)據(jù)、三維礦物蝕變數(shù)據(jù)以及三維放射性伽馬能譜測量數(shù)據(jù)，通過以下方式獲?。?/p>

8、將目標區(qū)域劃分為多個子區(qū)域；

9、通過重力測量儀器獲取各所述子區(qū)域的重力場數(shù)據(jù)，并反演地下三維密度數(shù)據(jù)；

10、使用磁力儀測量各所述子區(qū)域的地磁場，并反演地下三維磁化率數(shù)據(jù)；

11、采用電法和電磁法測量并反演各所述子區(qū)域的三維電阻率數(shù)據(jù)和三維極化率數(shù)據(jù)；

12、通過地震勘探獲取各所述子區(qū)域的震動波數(shù)據(jù)，并反演地下三維彈性模量數(shù)據(jù)；

13、獲取各所述子區(qū)域的衛(wèi)星高光譜遙感數(shù)據(jù)，并反演三維礦物蝕變數(shù)據(jù)；

14、對各所述子區(qū)域進行放射性勘探，并反演地下三維放射性伽馬能譜測量數(shù)據(jù)。

15、進一步的，所述將目標區(qū)域劃分為多個子區(qū)域，包括：對所述目標區(qū)域進行氡氣、汞氣測量，確定目標區(qū)域深部斷裂的位置和走向；根據(jù)所述深部斷裂的位置和走向，將目標區(qū)域劃分為多個具有獨立構(gòu)造的所述子區(qū)域。

16、進一步的，所述預處理得到三維多參數(shù)數(shù)據(jù)，包括：

17、對所述地質(zhì)參數(shù)三維數(shù)據(jù)進行數(shù)據(jù)清洗，去除錯誤數(shù)據(jù)并對缺失數(shù)據(jù)進行插值補充；

18、設定重采樣三維網(wǎng)格大小，對數(shù)據(jù)清洗后的地質(zhì)參數(shù)三維數(shù)據(jù)進行重采樣；

19、將重采樣后的所述三維密度數(shù)據(jù)、所述三維磁化率數(shù)據(jù)、所述三維電阻率數(shù)據(jù)、所述三維極化率數(shù)據(jù)、所述三維彈性模量數(shù)據(jù)、三維礦物蝕變數(shù)據(jù)以及三維放射性伽馬能譜測量數(shù)據(jù)中各三維網(wǎng)格對齊配準，融合得到所述三維多參數(shù)數(shù)據(jù)。

20、進一步的，所述巖漿巖分類識別模型由多個受限玻爾茲曼機層疊得到，具體訓練方法為：

21、通過實驗確定所述所屬類型對應的實際材料的多參數(shù)數(shù)據(jù)，以各參數(shù)的參數(shù)值為樣本特征，以材料所屬類型為樣本標簽，整理得到訓練樣本集；

22、利用所述訓練樣本集對多個所述受限玻爾茲曼機分別進行預訓練；

23、將預訓練完成后的多個所述受限玻爾茲曼機疊加形成初始巖漿巖分類識別模型；

24、利用反向傳播算法對所述巖漿巖分類識別模型進行微調(diào)，更新所述初始巖漿巖分類識別模型的網(wǎng)絡參數(shù)，得到最終識別模型。

25、進一步的，使用對比散度算法對多個所述受限玻爾茲曼機分別進行所述預訓練，具體為：

26、將所述訓練樣本集輸入至所述受限玻爾茲曼機中，確定所述訓練樣本集在所述受限玻爾茲曼機的可見單元的狀態(tài)，以及在所述受限玻爾茲曼機的隱藏單元的概率；

27、基于所述狀態(tài)和概率，計算第一聯(lián)合激活概率和第二聯(lián)合激活概率；所述第一聯(lián)合激活概率用于表征數(shù)據(jù)分布下可見單元和隱藏單元的聯(lián)合激活概率；所述第二聯(lián)合激活概率用于表征重構(gòu)分布的聯(lián)合激活概率；

28、基于所述第一聯(lián)合激活概率和第二聯(lián)合激活概率，對所述受限玻爾茲曼機從可見單元到隱藏單元的權(quán)重進行更新。

29、進一步的，所述從可見單元到隱藏單元的權(quán)重進行更新時，權(quán)重更新的增量公式為：

30、δwqxy＝∈ra(<vxhy>data-<vxhy>recon)；

31、其中，δwqxy為受限玻爾茲曼機的權(quán)重更新增量，wqxy表示第q層從第x個可見單元到第y個隱藏單元的權(quán)重；∈ra為學習率；<>data表示數(shù)據(jù)分布下可見單元和隱藏單元的聯(lián)合激活概率符號；vx表示第x個可見單元的狀態(tài)，hy表示給定可見狀態(tài)vx時第y個隱藏單元的概率；<>recon表示重構(gòu)分布下的聯(lián)合激活概率符號。

32、進一步的，所述反向傳播算法為基于損失函數(shù)的反向傳播算法，所述損失函數(shù)為：

33、

34、其中，ck為巖漿巖分類識別模型的損失函數(shù)，n為樣本總數(shù)，k為類別總數(shù)；tnk表示第n個樣本的第k個目標類別的真實標簽；ynk表示第n個樣本屬于第k個類別的預測概率；λbh為損失函數(shù)的正則化系數(shù)，wqxy表示識別模型第q層從第x個可見單元到第y個隱藏單元的權(quán)重，為權(quán)重的平方。

35、進一步的，所述平滑處理具體為：

36、步驟1：對各三維網(wǎng)格的所屬類型的所述概率預測值進行排序；

37、步驟2：選取一個待確定三維網(wǎng)格，判斷排序后最大值和第二大值之間的差值是否大于設定閾值；

38、步驟3：大于則以所述概率預測值的最大值對應的類型作為三維網(wǎng)格的最終類型，否則進入步驟4；

39、步驟4：計算所述待確定三維網(wǎng)格的鄰近三維網(wǎng)格的各所屬類型的概率預測均值和方差，確定所述待確定三維網(wǎng)格的概率修正值；

40、步驟5：對所述待確定三維網(wǎng)格的全部概率修正值進行排序，選取最大值對應的類型作為三維網(wǎng)格的所述最終類型；

41、步驟6：判斷是否確定全部三維網(wǎng)格的所述最終類型，若是則結(jié)束平滑處理，若否則返回步驟2；

42、所述概率修正值的公式為：

43、

44、其中，表示待確定三維網(wǎng)格第j所述類型的概率修正值；poj表示待確定三維網(wǎng)格第j所述類型的概率預測值；表示鄰近三維網(wǎng)格第j所述類型的概率預測平均值；e為自然常數(shù)；表示鄰近三維網(wǎng)格第j所述類型的概率預測方差，公式為：

45、

46、其中，pij表示第i個鄰近三維網(wǎng)格第j所述類型的概率預測值，i＝1,2,3…m，m為鄰近三維網(wǎng)格總數(shù)。

47、本發(fā)明還公開了一種三維多參數(shù)融合的巖漿巖定位系統(tǒng)，包括：

48、數(shù)據(jù)獲取模塊：獲取目標區(qū)域的各地質(zhì)參數(shù)三維數(shù)據(jù)，并預處理得到三維多參數(shù)數(shù)據(jù)；

49、模型識別模塊：利用訓練好的巖漿巖分類識別模型，確定所述三維多參數(shù)數(shù)據(jù)中各三維網(wǎng)格所屬類型的概率預測值；

50、巖體定位模塊：根據(jù)三維網(wǎng)格的所屬類型的概率預測值以及鄰近三維網(wǎng)格的所屬類型的概率預測值，進行平滑處理確定全部三維網(wǎng)格的最終類型，得到巖漿巖巖體類型和三維定位。

51、經(jīng)由上述的技術(shù)方案可知，與現(xiàn)有技術(shù)相比，本發(fā)明公開提供了一種三維多參數(shù)融合的巖漿巖定位方法及系統(tǒng)，通過對目標區(qū)域進行斷裂測量和區(qū)域劃分，能夠適應復雜的地質(zhì)環(huán)境，提高了其在實際應用中的靈活性和有效性；通過融合多種地質(zhì)參數(shù)能夠更全面地反映目標區(qū)域的地質(zhì)特征，有助于消除單一方法的局限性，提升整體分析的可靠性，從而顯著提高巖漿巖體的定位精度；并且利用訓練好的巖漿巖分類識別模型不僅能對巖漿巖巖體進行定位，還能實現(xiàn)不同巖漿巖的分類識別。本發(fā)明通過對目標區(qū)域多種三維數(shù)據(jù)進行對齊融合，并基于多種參數(shù)確認各個三維網(wǎng)格的巖體類型，能夠準確確認各位置的巖體類型，從而提高巖漿巖巖體定位準確性。