[发明专利]基于多卷积自编码神经网络的多元化探异常识别方法

摘要

本发明公开了一种基于多卷积自编码神经网络的多元化探异常识别方法，本发明将卷积自编码神经网络与欧氏距离结合，采用多个CAE模型并行训练建模的方法，每个CAE学习一个元素的背景特征方式，避免了单模型处理能力不足以及多元数据降维时造成的信息损耗，有效提取复杂地质环境下的多元化探数据的普遍规律(即地球化学背景)，深度挖掘各元素中最能体现无矿背景区特性的数据以此提高各元素背景拟合精度，从而有效提高化探有价值异常识别的准确性，为复杂地质条件下利用多元化探数据进行异常识别提供了较为实用可靠的科学方法。

主权项

1.一种基于多卷积自编码神经网络的多元化探异常识别方法，其特征在于，包括以下步骤：S1、获取原始数据，原始数据为依据规则网格采样所得的采样数据，采样数据中每个采样点包含多个元素的浓度值；利用空间插值算法对原始数据中的缺失样本数据进行补全，并且对补全后的数据进行归一化处理；S2、利用多个CAE模型并行处理学习所述多个元素的化学元素背景，学习时，是以归一化的样本数据为CAE模型输入数据，为每一个元素提供一个同超参同网络结构的CAE；S3、计算所述多个CAE模型的输入数据与输出数据之间的欧式距离作为异常得分；S4、将所述异常得分映射到地理空间上，生成多元化探异常图。