公开(公告)号：CN115907151A

公开(公告)日：2023-04-04

申请号：CN202211458759.5

申请日：2022-11-21

Applicant: 自然资源陕西省卫星应用技术中心

Inventor： 付垒 ,  张振凯 ,  张文龙 ,  杜彪 ,  王晓瑶 ,  张晨 ,  段琛 ,  武宇娟 ,  张锌蕾 ,  张敏

IPC: G06Q10/04 ,  G06Q50/02 ,  G06N20/00 ,  G06F18/214

Abstract: 本发明涉及一种基于地质大数据的智能成矿预测方法，包括：步骤S1，找矿预测因子的选取；步骤S2，预测单元的划分；步骤S3，预测因子的定量表征与数据融合；步骤S4，样本集的构建；步骤S5，机器学习预测模型的训练和调优；步骤S6，机器学习预测模型的定量评价和优选；步骤S7，研究区成矿概率的计算；步骤S8，成矿靶区的圈定。本发明所述方法具有性能优、精细化、客观化、定量化、可推广的优点，通过本发明提供的基于地质大数据的智能成矿预测方法，提高了成矿预测的精准度，有效提高了勘查工作的效率，降低勘探的风险，减少人力物力的投入。

公开(公告)号：CN115809601A

公开(公告)日：2023-03-17

申请号：CN202211557450.1

申请日：2022-12-06

Applicant: 自然资源陕西省卫星应用技术中心

Inventor： 张振凯 ,  张文龙 ,  张大为 ,  刘凌毅 ,  李文博 ,  张晨 ,  张锌蕾 ,  武宇娟

IPC: G06F30/27 ,  G06F18/214 ,  G06F18/2415 ,  G06Q10/04 ,  G06Q50/02

Abstract: 本发明属于人工智能与地质学技术领域，具体公开了一种沉积岩构造背景判别方法，包括构造数据集、构建深度神经网络模型、训练深度神经网络模型、判别岩石构造背景等核心步骤。主要通过设计的基于自注意力机制残差深度神经网络模型实现；即根据对应主微量元素的含量搭建并训练所提供的深度神经网络模型，还能依照本发明提供的相关方法调优相关参数，得到不同任务对应的最优模型；用户在完成模型训练与调试的基础上，可直接驱动深度神经网络模型读取目标样本的主微量元素含量数据，进而通过该模型自动化地获得目标样本的构造背景信息，辅助用户完成相关研究，提升工作效率。

公开(公告)号：CN115439287A

公开(公告)日：2022-12-06

申请号：CN202210640911.5

申请日：2022-06-08

Applicant: 自然资源陕西省卫星应用技术中心

Inventor： 洪增林 ,  张振凯 ,  宁奎斌 ,  郝光耀 ,  付垒 ,  滕宏泉 ,  张文龙 ,  陶虹 ,  李永红 ,  张晨 ,  杜彪 ,  王晓瑶 ,  张敏 ,  张锌蕾 ,  武宇娟 ,  段琛

IPC: G06Q50/26 ,  G06N20/00 ,  G06N20/10 ,  G06N20/20 ,  G06N5/00 ,  G06N7/00 ,  G06F17/18

Abstract: 本发明涉及一种基于机器学习的地质灾害危险性评价方法，包括，步骤S1，对待评价地区进行选择并获取地质灾害危险性评价因子；步骤S2，对待评价地区的各地质灾害危险性评价因子数据进行预处理；步骤S3，选择历史地质灾害点作为正样本，确定正样本的缓冲区，在缓冲区外选取负样本，构建样本集；步骤S4，选用多种算法进行建模，根据各模型性能的评价指数选取训练模型；步骤S5，对待评价地区进行预测，制定预测的成功率曲线，根据成功率曲线的斜率对待检测地区进行评价。本发明通过对正样本进行统计分析确定空间分布，保障了负样本的取样空间范围，通过多个模型多指标评价选取预测模型，提高了地质灾害危险性评价的准确性。

公开(公告)号：CN115439287B

公开(公告)日：2024-09-13

申请号：CN202210640911.5

申请日：2022-06-08

Applicant: 自然资源陕西省卫星应用技术中心

Inventor： 洪增林 ,  张振凯 ,  宁奎斌 ,  郝光耀 ,  付垒 ,  滕宏泉 ,  张文龙 ,  陶虹 ,  李永红 ,  张晨 ,  杜彪 ,  王晓瑶 ,  张敏 ,  张锌蕾 ,  武宇娟 ,  段琛

IPC: G06Q50/26 ,  G06N20/00 ,  G06N20/10 ,  G06N20/20 ,  G06N5/01 ,  G06N7/01 ,  G06F17/18

Abstract: 本发明涉及一种基于机器学习的地质灾害危险性评价方法，包括，步骤S1，对待评价地区进行选择并获取地质灾害危险性评价因子；步骤S2，对待评价地区的各地质灾害危险性评价因子数据进行预处理；步骤S3，选择历史地质灾害点作为正样本，确定正样本的缓冲区，在缓冲区外选取负样本，构建样本集；步骤S4，选用多种算法进行建模，根据各模型性能的评价指数选取训练模型；步骤S5，对待评价地区进行预测，制定预测的成功率曲线，根据成功率曲线的斜率对待检测地区进行评价。本发明通过对正样本进行统计分析确定空间分布，保障了负样本的取样空间范围，通过多个模型多指标评价选取预测模型，提高了地质灾害危险性评价的准确性。

公开(公告)号：CN119760341A

公开(公告)日：2025-04-04

申请号：CN202411798960.7

申请日：2024-12-09

Applicant: 自然资源陕西省卫星应用技术中心

Inventor： 付垒 ,  张振凯 ,  张文龙 ,  杜彪 ,  王晓瑶 ,  张晨 ,  段琛 ,  武宇娟 ,  张锌蕾 ,  张敏

IPC: G06F18/20 ,  G06F18/213 ,  G06Q10/04 ,  G06Q50/02

Abstract: 本发明涉及成矿预测技术领域，尤其涉及一种基于地质大数据的智能成矿预测方法，包括建立成矿数据特征间的映射关系，对待勘探矿区进行检测，当检测到待勘探矿区出现成矿数据特征时，判定第一成矿数据特征是否出现关联成矿数据特征，若出现，将关联成矿数据特征以及对应的权重信息记录并形成第一关联对比数据特征集合，计算成矿表征值以判定待勘探矿区的成矿等级，以及，成矿表征值是否需要修正以二次判定待勘探矿区的成矿等级，若是，计算参照修正系数以对成矿表征值进行修正，并重新判定待勘探矿区的成矿等级。本发明提升了成矿预测的精度和可靠度。