[发明专利]一种基于深度神经网络的矿物含量光谱反演方法

说明书

本发明属于地质勘查技术领域，具体涉及一种基于深度神经网络的矿物含量光谱反演方法。本发明根据岩石矿物光谱的机理和反演特征建立了能够快速准确进行地表岩石土壤矿物含量反演的神经网络模型，能够利用高光谱数据确定分析评估地表岩石土壤矿物含量。

技术领域

本发明属于地质勘查技术领域，具体涉及一种基于深度神经网络的矿物含量光谱反演方法。

背景技术

高光谱技术的快速发展，使得用连续数十至数百个“窄”波段的光谱信息来进行矿物种类识别、含量反演、化学成分鉴定成为可能。目前可以获取到的数据源(主要是航空、地面高光谱设备)其光谱分辨率已可以支撑进行一定程度矿物信息的分析和提取工作，而在此基础上，可以制作高光谱的专题地学数据产品(包括矿物分布图和丰度图、热液活动的断裂构造、地层、岩体解译图)，这些以往多光谱遥感技术难以获取的信息为成矿预测提供了更多的找矿线索和依据。由于岩石中多种矿物混合，获取的岩石光谱也为非线性的混合光谱，传统的线性反演模型不可避免地带来误差。

神经网络作为非线性分析方法已经大量应用于矿物光谱分析，但是目前的应用还存在以下问题：浅层的神经网络需要大量已知成分的光谱样本数据，数据获取存在困难；容易陷入局部最优解和过拟合的现象。

综上所述，地质勘查技术领域亟待开发一种根据岩石矿物光谱的机理和反演特征建立的、能够快速准确进行地表岩石土壤矿物含量反演的神经网络模型，进而实现利用高光谱数据确定分析评估地表岩石土壤矿物含量。

发明内容

本发明需要解决的技术问题为：提出一种基于深度神经网络的矿物含量光谱反演方法，利用高光谱数据确定分析评估地表岩石土壤矿物含量。

本发明的技术方案如下所述：

一种基于深度神经网络的矿物含量光谱反演方法，包括以下步骤：

一种基于深度神经网络的矿物含量光谱反演方法，包括以下步骤：

步骤S1：采集多种矿物混合的光谱作为深度神经网络的样本，并标识出每条光谱所对应的矿物名称及其含量；

步骤S2：设置第一层深度神经网络架构，正向计算输入层、隐含层和输出层；

对于输入层：将每一条样本光谱转化为一个列向量作为输入层，输入层的神经元个数为光谱的波段数，输入层的神经元为每个波段的反射率；

对于隐含层：隐含层的神经元个数为样本矿物种类数，通过公式(1)、公式(2)计算隐含层每个神经元的激活值：

z＝w¹*x+b¹ (2)

其中，w¹和b¹均为第一层神经网络的系数矩阵；

对于输出层：输出层神经元个数为输入层光谱的波段数；

步骤S3：构建第一层神经网络的误差函数，采用迭代的方式不断调整神经网络各层神经元的参数使误差函数最小，从而训练出第一层神经网络系数矩阵w¹和b¹；

步骤S4：采用后向传播的算法，计算输出层估计值与实际值之间的残差并将该残差从输出层向隐藏层反向传播，直至传播到输入层，计算隐含层和输入层每个神经元的残差；

在反向传播的过程中，根据公式(3)、公式(4)，不断迭代更新神经网络系数矩阵，直至误差函数收敛，达到最小，存储获取的最终神经网络系数矩阵；

其中，

wⁿ和bⁿ为第n层神经网络系数矩阵；