-
公开(公告)号：CN118296381A
公开(公告)日：2024-07-05
申请号：CN202410430186.8
申请日：2024-04-10
Applicant: 中国地质大学(武汉) , 武汉地大坤迪科技有限公司
IPC: G06F18/214 , G06F16/36 , G06N20/00 , G06Q10/0637 , G06Q50/02
Abstract: 本发明属于地质矿产资源预测领域，特别涉及一种基于地质大数据的固体矿产多尺度递进式找矿预测方法。本发明通过收集研究区的多尺度的地质、地球物理勘探数据、地球化学勘探数据和遥感等数据，利用数据挖掘技术和机器学习方法，实现找矿预测和靶区圈定。本方法旨在结合三维地质模型、机器学习方法、数据挖掘技术，处理预测区地质大数据，多尺度递进式确定靶区，为矿产资源预测提供找矿预测方法；基于找矿案例复盘构建找矿知识图谱、绘制找矿过程知识关联图，根据工作比例尺分为1:50万、1:25万、1:5万、1:2.5万和1:0.5万的地质、物探、化探和遥感数据，构建三维地质模型和属性数据集市，分析成矿条件和控矿要素之间的规律，构成成矿预测模型实现找矿预测。
-
公开(公告)号：CN117910358A
公开(公告)日：2024-04-19
申请号：CN202410115326.2
申请日：2024-01-26
Applicant: 中国地质大学(武汉) , 武汉地大坤迪科技有限公司
IPC: G06F30/27 , E21B49/00 , G06N3/0442 , G06N3/08
Abstract: 本发明公开一种钻孔的岩性类别和岩层厚度预测方法、系统及电子设备，涉及虚拟钻孔模拟技术领域，所述方法包括：获取虚拟钻孔的钻孔坐标序列；钻孔坐标序列包括多个钻孔坐标；虚拟钻孔为未探测的钻孔；将虚拟钻孔的钻孔坐标序列输入至岩性类别预测模型中，得到虚拟钻孔对应的岩性类别序列；岩性类别预测模型是基于双向门控循环单元网络得到的，岩性类别序列包括各钻孔坐标对应的岩性类别；将虚拟钻孔的钻孔坐标序列和对应的岩性类别序列输入至岩层厚度预测模型中，得到虚拟钻孔对应的岩层厚度序列；岩层厚度预测模型是基于门控循环单元网络得到的，岩层厚度序列包括各钻孔坐标对应的岩层厚度。本发明实现了对钻孔空白区的地层结构的模拟。
-
公开(公告)号：CN117372643B
公开(公告)日：2024-02-13
申请号：CN202311680775.3
申请日：2023-12-08
Applicant: 中国地质大学(武汉) , 武汉地大坤迪科技有限公司
IPC: G06T17/05 , G06T17/20 , G06V10/764
Abstract: 本发明公开了一种基于钻孔数据自顶向下逐层构建三维地层模型的方法，属于三维地质模拟技术领域，包括：对整个建模区域进行三维格点剖分，使用断裂平面投影进行分块。统计各分块的钻孔数据，整理形成各分块钻孔数据集。构建当前高程数据表，使用钻孔最高段计算直接相邻矩阵，使用广度优先搜索构建相邻点集和不相邻点集，将它们带入SVM计算得到联通区域。对联通区域下表面插值，将当前高程数据和下表面之间的格点赋上地层并更新高程数据表。去除相邻点集最高段，形成新的钻孔数据集。重复上述步骤，直到所有地层建立完毕。本发明采用上述的一种基于钻孔数据自顶向下逐层构建三维地层
-
公开(公告)号：CN117370899A
公开(公告)日：2024-01-09
申请号：CN202311680776.8
申请日：2023-12-08
Applicant: 中国地质大学(武汉) , 武汉地大坤迪科技有限公司
IPC: G06F18/243 , G06F18/2135 , G06F18/23213 , G06Q50/02
Abstract: 本发明公开了一种基于主成分‑决策树模型的控矿因素权重确定方法，属于成矿预测技术领域，包括：S1、采集非矿点、已知矿点的地物化遥综合数据，对所有成矿预测控矿因素的特征量进行编码处理，生成向量空间，构建模型数据集；S2、采用改进CART算法，通过预剪枝操作建立决策树模型；S3、输入特征向量到决策树模型中构建决策树；S4、使用主成分分析法，提取矿点样本主特征，计算各个控矿因素在数据集上对应的信息权重；S5、将主成分分析法处理得到的信息权重加入到决策树节点中，通过信息权重和改进CART算法全局计算决策树中的每种控矿因素权重。本发明采用上述的一种基于主成分‑决策树模型的控矿因素权重确定方法，有效提高矿点预测的概率。
-
Patent Agency Ranking
公开(公告)号：CN118885896A
公开(公告)日：2024-11-01
申请号：CN202410914064.6
申请日：2024-07-09
Applicant: 中国地质大学(武汉) , 武汉地大坤迪科技有限公司
IPC: G06F18/2411 , G06F18/232 , G06F18/214 , G06N3/006 , G06Q50/02
Abstract: 本发明提供了一种基于多算法融合的成矿预测方法，属于成矿预测技术领域，包括以下步骤：建立矿床模型；根据矿床模型确定研究区每个采样点与成矿相关的要素；对成矿要素数据进行预处理；通过多距离聚类方法获取负样本；将矿点作为正样本与负样本一起构建数据集；通过GBDT算法进行特征构建，得到新的特征组合；利用SVM算法训练成矿预测模型，并利用改进的粒子群优化算法寻找SVM算法中的最优参数组合；利用训练好的模型进行成矿预测。本发明采用上述的一种基于多算法融合的成矿预测方法，以解决现有技术中负样本选取困难、特征选取局限性较大、SVM算法时间消耗多、集成算法泛化能力较弱等问题，可以提高成矿预测的精确度。
-
公开(公告)号：CN117370899B
公开(公告)日：2024-02-20
申请号：CN202311680776.8
申请日：2023-12-08
Applicant: 中国地质大学(武汉) , 武汉地大坤迪科技有限公司
IPC: G06F18/243 , G06F18/2135 , G06F18/23213 , G06Q50/02
Abstract: 本发明公开了一种基于主成分‑决策树模型的控矿因素权重确定方法，属于成矿预测技术领域，包括：S1、采集非矿点、已知矿点的地物化遥综合数据，对所有成矿预测控矿因素的特征量进行编码处理，生成向量空间，构建模型数据集；S2、采用改进CART算法，通过预剪枝操作建立决策树模型；S3、输入特征向量到决策树模型中构建决策树；S4、使用主成分分析法，提取矿点样本主特征，计算各个控矿因素在数据集上对应的信息权重；S5、将主成分分析法处理得到的信息权重加入到决策树节点中，通过信息权重和改进CART算法全局计算决策树中的每种控矿因素权重。本发明采用上述的一种基于主成分‑决策树模型的控矿因素权重确定方法，有效提高矿点预测的概率。
-
公开(公告)号：CN117372643A
公开(公告)日：2024-01-09
申请号：CN202311680775.3
申请日：2023-12-08
Applicant: 中国地质大学(武汉) , 武汉地大坤迪科技有限公司
IPC: G06T17/05 , G06T17/20 , G06V10/764
Abstract: 本发明公开了一种基于钻孔数据自顶向下逐层构建三维地层模型的方法，属于三维地质模拟技术领域，包括：对整个建模区域进行三维格点剖分，使用断裂平面投影进行分块。统计各分块的钻孔数据，整理形成各分块钻孔数据集。构建当前高程数据表，使用钻孔最高段计算直接相邻矩阵，使用广度优先搜索构建相邻点集和不相邻点集，将它们带入SVM计算得到联通区域。对联通区域下表面插值，将当前高程数据和下表面之间的格点赋上地层并更新高程数据表。去除相邻点集最高段，形成新的钻孔数据集。重复上述步骤，直到所有地层建立完毕。本发明采用上述的一种基于钻孔数据自顶向下逐层构建三维地层模型的方法，可快速准确的建立三维地层模型，且提高了模型的精度。
-
公开(公告)号：CN118887455A
公开(公告)日：2024-11-01
申请号：CN202410914068.4
申请日：2024-07-09
Applicant: 中国地质大学(武汉) , 武汉地大坤迪科技有限公司
IPC: G06V10/764 , G06V10/774 , G06F9/451
Abstract: 本发明提供了一种基于深度学习的岩心图像重力流识别方法，属于岩心图像处理技术领域，包括以下步骤：采集原始岩心图像数据集并进行预处理；采用迁移学习方法，运用MobileNetV2的预训练模型参数训练预处理后的数据集，得到n个模型；采集非岩心图像，筛选对图像是否是岩心图像有显著影响的特征并进行阈值分析，得到特征阈值；将得到的特征阈值和得到的n个模型引入到应用程序的后台开发中，进行应用程序的开发；用户通过应用程序上传图像，应用程序后台根据岩心图像判别机制和岩心图像重力流识别机制将最终结果返回到用户界面。本发明采用上述的一种基于深度学习的岩心图像重力流识别方法，可有效提高岩心图像重力流识别的准确率。
-
公开(公告)号：CN118296381B
公开(公告)日：2024-12-27
申请号：CN202410430186.8
申请日：2024-04-10
Applicant: 武汉地大坤迪科技有限公司
IPC: G06F18/214 , G06F16/36 , G06N20/00 , G06Q10/0637 , G06Q50/02
Abstract: 本发明属于地质矿产资源预测领域，特别涉及一种基于地质大数据的固体矿产多尺度递进式找矿预测方法。本发明通过收集研究区的多尺度的地质、地球物理勘探数据、地球化学勘探数据和遥感等数据，利用数据挖掘技术和机器学习方法，实现找矿预测和靶区圈定。本方法旨在结合三维地质模型、机器学习方法、数据挖掘技术，处理预测区地质大数据，多尺度递进式确定靶区，为矿产资源预测提供找矿预测方法；基于找矿案例复盘构建找矿知识图谱、绘制找矿过程知识关联图，根据工作比例尺分为1:50万、1:25万、1:5万、1:2.5万和1:0.5万的地质、物探、化探和遥感数据，构建三维地质模型和属性数据集市，分析成矿条件和控矿要素之间的规律，构成成矿预测模型实现找矿预测。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.069 seconds)
