CN115602042A - 空白图斑地球化学元素含量赋值方法、装置和电子设备 - Google Patents
空白图斑地球化学元素含量赋值方法、装置和电子设备 Download PDFInfo
- Publication number
- CN115602042A CN115602042A CN202211175871.8A CN202211175871A CN115602042A CN 115602042 A CN115602042 A CN 115602042A CN 202211175871 A CN202211175871 A CN 202211175871A CN 115602042 A CN115602042 A CN 115602042A
- Authority
- CN
- China
- Prior art keywords
- element content
- blank pattern
- matrix
- geochemical element
- geochemical
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 65
- 239000011159 matrix material Substances 0.000 claims abstract description 185
- 238000005070 sampling Methods 0.000 claims abstract description 158
- 238000007781 pre-processing Methods 0.000 claims abstract description 22
- 230000002159 abnormal effect Effects 0.000 claims abstract description 20
- 239000002689 soil Substances 0.000 claims description 50
- 238000012545 processing Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 10
- 230000004927 fusion Effects 0.000 claims description 8
- 230000008030 elimination Effects 0.000 claims description 5
- 238000003379 elimination reaction Methods 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 5
- 238000012546 transfer Methods 0.000 claims description 5
- 230000007704 transition Effects 0.000 claims description 4
- 229910052729 chemical element Inorganic materials 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- RGCLLPNLLBQHPF-HJWRWDBZSA-N phosphamidon Chemical compound CCN(CC)C(=O)C(\Cl)=C(/C)OP(=O)(OC)OC RGCLLPNLLBQHPF-HJWRWDBZSA-N 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B29/00—Maps; Plans; Charts; Diagrams, e.g. route diagram
- G09B29/003—Maps
- G09B29/006—Representation of non-cartographic information on maps, e.g. population distribution, wind direction, radiation levels, air and sea routes
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B29/00—Maps; Plans; Charts; Diagrams, e.g. route diagram
- G09B29/003—Maps
- G09B29/005—Map projections or methods associated specifically therewith
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Ecology (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明提供一种空白图斑地球化学元素含量赋值方法，对采样点地球化学元素含量进行异常值剔除处理，得到采样点的剔除后地球化学元素含量；对采样点和空白图斑的特征数据进行数据预处理，得到采样点和空白图斑的预处理后特征；基于采样点和空白图斑的预处理后特征，计算多个相似度矩阵；将多个相似度矩阵进行融合，得到目标权重矩阵；将目标权重矩阵转化为概率传播矩阵，基于采样点的剔除后地球化学元素含量，使用概率传播矩阵进行标签传播预测空白图斑的地球化学元素含量，直到收敛；根据收敛时地球化学元素含量为空白图斑赋值。本发明还利用采样点和空白图斑之间地球化学元素含量影响因素之间关系，提高空白图斑地球化学元素含量赋值的准确率。
Description
技术领域
本发明涉及地球化学数据处理技术领域，尤其涉及一种空白图斑地球化学元素含量赋值方法、装置和电子设备。
背景技术
图斑赋值是土地质量地球化学评价过程中必不可少的步骤，在进行图斑赋值时，通过派出采样人员去现场采样耗时耗力，并且图斑的数量通常远远大于采样点的数量，因此需要对未采样的空白图斑进行预估和赋值。
传统的对空白图斑进行赋值的模型一般基于图斑之间的空间近邻关系对空白图斑进行插值来进行预测，然而这种方法仅考虑了图斑之间的空间近邻关系，忽略了地质土壤信息之间的相似性关系关系，而且对一些空间距离较大的图斑也存在预测精度较低的问题。
因此，如何避免空白图斑赋值时忽略了地质土壤信息之间的相似性关系关系，以及目前空间距离较大的图斑还存在预测精度较低的情况，仍然是本领域技术人员亟待解决的问题。
发明内容
本发明提供一种空白图斑地球化学元素含量赋值方法、装置和电子设备，用以解决现有空白图斑赋值时忽略了地质土壤信息之间的相似性关系关系，以及目前空间距离较大的图斑还存在预测精度较低的问题。
本发明提供一种空白图斑地球化学元素含量赋值方法，包括：
对采样点地球化学元素含量进行异常值剔除处理，得到采样点的剔除后地球化学元素含量；
对采样点和空白图斑的特征数据进行数据预处理，分别得到采样点和空白图斑的预处理后特征，所述特征数据包括空间位置信息和地质土壤信息；
基于采样点和空白图斑的预处理后特征，计算多个相似度矩阵，其中，一个相似度矩阵与一类预处理后特征对应；
将多个相似度矩阵进行融合，得到目标权重矩阵；
将所述目标权重矩阵转化为概率传播矩阵，基于采样点的剔除后地球化学元素含量，使用概率传播矩阵进行标签传播预测空白图斑的地球化学元素含量，直到收敛；
根据收敛时得到的空白图斑的地球化学元素含量为空白图斑赋值。
根据本发明提供的一种空白图斑地球化学元素含量赋值方法，所述对采样点地球化学元素含量进行异常值剔除处理，具体包括：
计算各采样点任一地球化学元素含量值的平均值和标准差；
用平均值减去3倍标准差的数据代替比平均值减去3倍标准差小的数据；
用平均值加上3倍标准差的数据代替比平均值加上3倍标准差大的数据。
根据本发明提供的一种空白图斑地球化学元素含量赋值方法，所述对采样点和空白图斑的特征数据进行数据预处理，具体包括：
对采样点和空白图斑的空间位置信息数字数据进行归一化处理，对采样点和空白图斑的地质土壤信息文字数据进行数字化处理。
根据本发明提供的一种空白图斑地球化学元素含量赋值方法，所述对采样点和空白图斑的地质土壤信息文字数据进行数字化处理，具体包括：
对不同的地质背景的采样点和空白图斑标上序号代替原始的地质背景文字特征信息；
对不同的土壤类型的采样点和空白图斑标上序号代替原始的土壤类型文字特征信息；
对不同的土地利用类型的采样点和空白图斑标上序号代替原始的土地利用类型文字特征信息。
根据本发明提供的一种空白图斑地球化学元素含量赋值方法，所述基于采样点和空白图斑的预处理后特征，计算多个相似度矩阵，其中，一个相似度矩阵与一类预处理后特征对应，具体包括：
基于采样点和空白图斑的预处理后特征，计算东北坐标空间相似度矩阵、经纬坐标空间相似度矩阵、高程坐标空间相似度矩阵、地质背景相似度矩阵、土壤类型相似度矩阵和土地利用类型相似度矩阵。
根据本发明提供的一种空白图斑地球化学元素含量赋值方法，所述将多个相似度矩阵进行融合，得到目标权重矩阵，具体包括：
对东北坐标空间相似度矩阵、经纬坐标空间相似度矩阵、高程坐标空间相似度矩阵、地质背景相似度矩阵、土壤类型相似度矩阵和土地利用类型相似度矩阵进行加权求和，得到目标权重矩阵。
根据本发明提供的一种空白图斑地球化学元素含量赋值方法，所述将所述目标权重矩阵转化为概率传播矩阵，基于采样点的剔除后地球化学元素含量，使用概率传播矩阵进行标签传播预测空白图斑的地球化学元素含量，直到收敛，具体包括：
采用K邻近将所述目标权重矩阵稀疏化，得到稀疏化后权重矩阵；
将所述稀疏化后权重矩阵转化为概率转移矩阵；
基于所述采样点的剔除后地球化学元素含量构建已有标签信息矩阵；
基于所述已有标签信息矩阵和所述概率转移矩阵进行迭代传播，直到收敛。
根据本发明提供的一种空白图斑地球化学元素含量赋值装置，包括：
剔除单元，用于对采样点地球化学元素含量进行异常值剔除处理，得到采样点的剔除后地球化学元素含量；
预处理单元，用于对采样点和空白图斑的特征数据进行数据预处理，分别得到采样点和空白图斑的预处理后特征，所述特征数据包括空间位置信息和地质土壤信息；
相似度单元，用于基于采样点和空白图斑的预处理后特征，计算多个相似度矩阵，其中，一个相似度矩阵与一类预处理后特征对应；
融合单元，用于将多个相似度矩阵进行融合，得到目标权重矩阵；
传播单元，用于将所述目标权重矩阵转化为概率传播矩阵，基于采样点的剔除后地球化学元素含量，使用概率传播矩阵进行标签传播预测空白图斑的地球化学元素含量，直到收敛；
赋值单元，用于根据收敛时得到的空白图斑的地球化学元素含量为空白图斑赋值。
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述的空白图斑地球化学元素含量赋值方法的步骤。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述的空白图斑地球化学元素含量赋值方法的步骤。
本发明提供的空白图斑地球化学元素含量赋值方法、装置和电子设备，通过对采样点地球化学元素含量进行异常值剔除处理，得到采样点的剔除后地球化学元素含量；对采样点和空白图斑的特征数据进行数据预处理，分别得到采样点和空白图斑的预处理后特征，所述特征数据包括空间位置信息和地质土壤信息；基于采样点和空白图斑的预处理后特征，计算多个相似度矩阵，其中，一个相似度矩阵与一类预处理后特征对应；将多个相似度矩阵进行融合，得到目标权重矩阵；将所述目标权重矩阵转化为概率传播矩阵，基于采样点的剔除后地球化学元素含量，使用概率传播矩阵进行标签传播预测空白图斑的地球化学元素含量，直到收敛；根据收敛时得到的空白图斑的地球化学元素含量为空白图斑赋值。本发明提供的方法、装置和电子设备可以充分利用采样点和空白图斑之间的位置关系和地球化学元素含量影响因素之间的关系，可以提高空白图斑地球化学元素含量赋值的准确率。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提供的空白图斑地球化学元素含量赋值方法的流程示意图；
图2为本发明提供的基于标签传播给未采样的空白图斑的地球化学元素含量赋值方法总体流程示意图；
图3为本发明提供的空白图斑地球化学元素含量赋值装置的结构示意图；
图4是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
现有的空白图斑地球化学元素含量赋值技术中普遍存在忽略了地质土壤信息之间的相似性关系关系，以及对于空间距离较大的图斑预测精度较低的问题。下面结合图1描述本发明的空白图斑地球化学元素含量赋值方法。图1为本发明提供的空白图斑地球化学元素含量赋值方法的流程示意图，如图1所示，该方法包括：
步骤110，对采样点地球化学元素含量进行异常值剔除处理，得到采样点的剔除后地球化学元素含量。
具体地，对于同一地球化学元素，不同采样点的含量大概率不同，而该含量值随着采样点的不同数值不同，但是数值也是在一定范围内波动，不能太大或者太小(即异常值的出现)，异常值的出现标志着采样出错，数据无效，因此异常值需要被踢出。常见的异常值剔除方法有许多，例如Chauvenet准则法、Dixon准则法、t检测准则法等等，此处不作具体限定。
步骤120，对采样点和空白图斑的特征数据进行数据预处理，分别得到采样点和空白图斑的预处理后特征，所述特征数据包括空间位置信息和地质土壤信息。
具体地，采样点和空白图斑均已经含有特征数据，特征数据包括数字化的空间位置信息和文字描述化的地质土壤信息，更进一步地，空间位置信息包括东坐标、北坐标、经度、维度、高程，地质土壤信息包括地质背景、土壤类型和土地利用类型，对上述特征数据进行预处理，使得处理后的数据更利于后续计算。
步骤130，基于采样点和空白图斑的预处理后特征，计算多个相似度矩阵，其中，一个相似度矩阵与一类预处理后特征对应。
具体地，基于采样点和空白图斑与处理后的空间信息特征和地质土壤特征，可以计算多个相似度矩阵，其中，一个相似度矩阵与一类预处理后特征对应，例如东北坐标相似度矩阵对应于采样点和空白图斑预处理后的东北坐标空间信息，土地利用类型相似度矩阵对应于采样点和空白图斑预处理后的土地利用类型地质土壤信息。
步骤140，将多个相似度矩阵进行融合，得到目标权重矩阵。
具体地，将多个相似度矩阵进行融合，得到一个总的目标权重矩阵。
步骤150，将所述目标权重矩阵转化为概率传播矩阵，基于采样点的剔除后地球化学元素含量，使用概率传播矩阵进行标签传播预测空白图斑的地球化学元素含量，直到收敛。
具体地，将所述目标权重矩阵转化为概率传播矩阵，基于采样点的剔除后地球化学元素含量，使用概率传播矩阵进行标签传播预测空白图斑的地球化学元素含量，直到收敛。
步骤160，根据收敛时得到的空白图斑的地球化学元素含量为空白图斑赋值。
具体地，收敛时得到的空白图斑的地球化学元素含量用于步骤160的空白图斑赋值。
本发明实施例提供的方法，通过对采样点地球化学元素含量进行异常值剔除处理，得到采样点的剔除后地球化学元素含量；对采样点和空白图斑的特征数据进行数据预处理，分别得到采样点和空白图斑的预处理后特征，所述特征数据包括空间位置信息和地质土壤信息；基于采样点和空白图斑的预处理后特征，计算多个相似度矩阵，其中，一个相似度矩阵与一类预处理后特征对应；将多个相似度矩阵进行融合，得到目标权重矩阵；将所述目标权重矩阵转化为概率传播矩阵，基于采样点的剔除后地球化学元素含量，使用概率传播矩阵进行标签传播预测空白图斑的地球化学元素含量，直到收敛；根据收敛时得到的空白图斑的地球化学元素含量为空白图斑赋值。本发明提供的方法可以充分利用采样点和空白图斑之间的位置关系和地球化学元素含量影响因素之间的关系，可以提高空白图斑地球化学元素含量赋值的准确率。
基于上述任一实施例，该方法中，所述对采样点地球化学元素含量进行异常值剔除处理，具体包括：
计算各采样点任一地球化学元素含量值的平均值和标准差；
用平均值减去3倍标准差的数据代替比平均值减去3倍标准差小的数据；
用平均值加上3倍标准差的数据代替比平均值加上3倍标准差大的数据。
具体地，计算各采样点任一地球化学元素含量值的平均值和标准差，剔除在平均值3倍标准差上下以外的数据，具体地，用平均值-3×标准差的数据代替小于平均值-3×标准差的数据，用平均值+3×标准差的数据代替大于平均值+3×标准差的数据。
基于上述任一实施例，该方法中，所述对采样点和空白图斑的特征数据进行数据预处理，具体包括：
对采样点和空白图斑的空间位置信息数字数据进行归一化处理，对采样点和空白图斑的地质土壤信息文字数据进行数字化处理。
具体地，对采样点和空白图斑特征数据中的数字数据部分，也就是北坐标、东坐标、经度、纬度、高程，这五个空间位置信息数字数据，进行数据归一化；
上述步骤中对于数字数据进行归一化的公式为：
其中，x表示每个数字数据，min(·)函数为计算该类数字数据中的最小值，max(·)函数为计算该类数字数据中的最大值；
对采样点和空白图斑的地质土壤信息文字数据进行数字化处理即将采样点和空白图斑的地质土壤信息文字数据进行编码，得到数字形式的地质土壤信息文字数据。常见的文本编码方式有多种，此处不作具体限定。
基于上述任一实施例，该方法中，所述对采样点和空白图斑的地质土壤信息文字数据进行数字化处理，具体包括：
对不同的地质背景的采样点和空白图斑标上序号代替原始的地质背景文字特征信息；
对不同的土壤类型的采样点和空白图斑标上序号代替原始的土壤类型文字特征信息；
对不同的土地利用类型的采样点和空白图斑标上序号代替原始的土地利用类型文字特征信息。
具体地，对不同的地质背景标上序号1，2，3，……，代替原始的地质背景文字特征信息；对不同的土壤类型标上序号1，2，3，……，代替原始的土壤类型文字特征信息；对不同的土地利用类型标上序号1，2，3，……，代替原始的土地利用类型文字特征信息。
基于上述任一实施例，该方法中，所述基于采样点和空白图斑的预处理后特征，计算多个相似度矩阵，其中，一个相似度矩阵与一类预处理后特征对应，具体包括：
基于采样点和空白图斑的预处理后特征，计算东北坐标空间相似度矩阵、经纬坐标空间相似度矩阵、高程坐标空间相似度矩阵、地质背景相似度矩阵、土壤类型相似度矩阵和土地利用类型相似度矩阵。
具体地，对采样点的坐标、经纬度和高程，计算采样点的三个空间信息相似度矩阵，具体地，计算上述三个空间信息相似度矩阵公式为：
其中，i＝1,2,…,N,j＝1,2,…,N,N为采样点和空白图斑个数总和，当v＝1时，
为通过东北坐标计算的空间相似度矩阵，xi为第i个采样点或空白图斑的北坐标，xj为第j个采样点或空白图斑的北坐标,yi为第i个采样点或空白图斑的东坐标，yj为第j个采样点或空白图斑的东坐标；当v＝2时，
为通过经纬度计算得到的空间相似度矩阵，xi为第i个采样点或空白图斑的经度，xj为第j个采样点或空白图斑的经度,yi为第i个采样点或空白图斑的纬度，yj为第j个采样点或空白图斑的纬度；当v＝3时，
为通过高程计算得到的空间相似度矩阵，其中xi为第i个采样点或空白图斑的高程，xj为第j个采样点或空白图斑的高程，σ是超参数；
对采样点的地质背景、土壤类型和土地利用类型，计算地质信息的三个相似度矩阵；
以上步骤中计算三个地质信息相似度矩阵的公式为：
基于上述任一实施例，该方法中，所述将多个相似度矩阵进行融合，得到目标权重矩阵，具体包括：
对东北坐标空间相似度矩阵、经纬坐标空间相似度矩阵、高程坐标空间相似度矩阵、地质背景相似度矩阵、土壤类型相似度矩阵和土地利用类型相似度矩阵进行加权求和，得到目标权重矩阵。
具体地，对上述实施例得到的六个相似度矩阵，进行加权求和得到目标权重矩阵，融合公式如下：
其中，
是权重向量，表示6个相似度矩阵的权重，wv表示矩阵Wv的重要性，wv越大，表示矩阵Wv对权重矩阵的影响越大。
基于上述任一实施例，该方法中，所述将所述目标权重矩阵转化为概率传播矩阵，基于采样点的剔除后地球化学元素含量，使用概率传播矩阵进行标签传播预测空白图斑的地球化学元素含量，直到收敛，具体包括：
采用K邻近将所述目标权重矩阵稀疏化，得到稀疏化后权重矩阵；
将所述稀疏化后权重矩阵转化为概率转移矩阵；
基于所述采样点的剔除后地球化学元素含量构建已有标签信息矩阵；
基于所述已有标签信息矩阵和所述概率转移矩阵进行迭代传播，直到收敛。
具体地，采用K近邻将加权求和融合得到的权重矩阵稀疏化，权重矩阵稀疏化的公式为：
将权重矩阵W转化为概率转移矩阵P，转化公式为：
P＝D-1W
式中，D是一个对角元素为
的对角矩阵，概率矩阵
Pij表示样本i将标签传播到样本j的概率；
初始化已有标签信息矩阵F，其中F的行数为H，列数为Q，H是采样点和空白图斑的个数总和，Q是地球化学元素个数总和，Fij表示第i个采样点或空白图斑的第j种地球化学元素的含量赋值；
将已有标签信息进行迭代传播直至收敛，传播公式为：
F(t+1)＝PF(t)
式中，t表示迭代次数
根据概率传播计算所得值赋值给待赋值的空白图斑的地球化学元素含量，并结束操作。
基于上述任一实施例，本发明提供了一种基于标签传播给未采样的空白图斑的地球化学元素含量赋值方法，图2为本发明提供的基于标签传播给未采样的空白图斑的地球化学元素含量赋值方法总体流程示意图，如图2所示，其主要步骤为：
步骤1：对于采样点地球化学元素含量进行异常处理，对采样点和空白图斑的特征数据进行数据预处理；
步骤2：根据步骤1数据预处理之后的数据构建多张相似度矩阵图，并进行多视图融合，得到权重矩阵；
步骤3：将步骤2所得权重矩阵转化为概率传播矩阵，使用概率传播矩阵进行标签传播预测空白图斑数据的地球化学元素含量，直到收敛；
步骤4：根据步骤3计算所得值赋值给待赋值的空白图斑的地球化学元素含量，并结束操作。
下面对本发明提供的空白图斑地球化学元素含量赋值装置进行描述，下文描述的空白图斑地球化学元素含量赋值装置与上文描述的空白图斑地球化学元素含量赋值方法可相互对应参照。
图3为本发明提供的空白图斑地球化学元素含量赋值装置的结构示意图，如图3所示，该装置包括剔除单元310、预处理单元320、相似度单元330、融合单元340、传播单元350和赋值单元360，其中，
所述剔除单元310，用于对采样点地球化学元素含量进行异常值剔除处理，得到采样点的剔除后地球化学元素含量；
所述预处理单元320，用于对采样点和空白图斑的特征数据进行数据预处理，分别得到采样点和空白图斑的预处理后特征，所述特征数据包括空间位置信息和地质土壤信息；
所述相似度单元330，用于基于采样点和空白图斑的预处理后特征，计算多个相似度矩阵，其中，一个相似度矩阵与一类预处理后特征对应；
所述融合单元340，用于将多个相似度矩阵进行融合，得到目标权重矩阵；
所述传播单元350，用于将所述目标权重矩阵转化为概率传播矩阵，基于采样点的剔除后地球化学元素含量，使用概率传播矩阵进行标签传播预测空白图斑的地球化学元素含量，直到收敛；
所述赋值单元360，用于根据收敛时得到的空白图斑的地球化学元素含量为空白图斑赋值。
本发明提供的空白图斑地球化学元素含量赋值装置，通过对采样点地球化学元素含量进行异常值剔除处理，得到采样点的剔除后地球化学元素含量；对采样点和空白图斑的特征数据进行数据预处理，分别得到采样点和空白图斑的预处理后特征，所述特征数据包括空间位置信息和地质土壤信息；基于采样点和空白图斑的预处理后特征，计算多个相似度矩阵，其中，一个相似度矩阵与一类预处理后特征对应；将多个相似度矩阵进行融合，得到目标权重矩阵；将所述目标权重矩阵转化为概率传播矩阵，基于采样点的剔除后地球化学元素含量，使用概率传播矩阵进行标签传播预测空白图斑的地球化学元素含量，直到收敛；根据收敛时得到的空白图斑的地球化学元素含量为空白图斑赋值。本发明提供的装置可以充分利用采样点和空白图斑之间的位置关系和地球化学元素含量影响因素之间的关系，可以提高空白图斑地球化学元素含量赋值的准确率。
在上述实施例的基础上，该装置中，所述对采样点地球化学元素含量进行异常值剔除处理，具体包括：
计算各采样点任一地球化学元素含量值的平均值和标准差；
用平均值减去3倍标准差的数据代替比平均值减去3倍标准差小的数据；
用平均值加上3倍标准差的数据代替比平均值加上3倍标准差大的数据。
在上述实施例的基础上，该装置中，所述对采样点和空白图斑的特征数据进行数据预处理，具体包括：
对采样点和空白图斑的空间位置信息数字数据进行归一化处理，对采样点和空白图斑的地质土壤信息文字数据进行数字化处理。
在上述实施例的基础上，该装置中，所述对采样点和空白图斑的地质土壤信息文字数据进行数字化处理，具体包括：
对不同的地质背景的采样点和空白图斑标上序号代替原始的地质背景文字特征信息；
对不同的土壤类型的采样点和空白图斑标上序号代替原始的土壤类型文字特征信息；
对不同的土地利用类型的采样点和空白图斑标上序号代替原始的土地利用类型文字特征信息。
在上述实施例的基础上，该装置中，所述相似度单元，具体用于：
基于采样点和空白图斑的预处理后特征，计算东北坐标空间相似度矩阵、经纬坐标空间相似度矩阵、高程坐标空间相似度矩阵、地质背景相似度矩阵、土壤类型相似度矩阵和土地利用类型相似度矩阵。
在上述实施例的基础上，该装置中，所述融合单元，具体用于：
对东北坐标空间相似度矩阵、经纬坐标空间相似度矩阵、高程坐标空间相似度矩阵、地质背景相似度矩阵、土壤类型相似度矩阵和土地利用类型相似度矩阵进行加权求和，得到目标权重矩阵。
在上述实施例的基础上，该装置中，所述传播单元，具体用于：
采用K邻近将所述目标权重矩阵稀疏化，得到稀疏化后权重矩阵；
将所述稀疏化后权重矩阵转化为概率转移矩阵；
基于所述采样点的剔除后地球化学元素含量构建已有标签信息矩阵；
基于所述已有标签信息矩阵和所述概率转移矩阵进行迭代传播，直到收敛。
图4示例了一种电子设备的实体结构示意图，如图4所示，该电子设备可以包括：处理器(processor)410、通信接口(Communications Interface)420、存储器(memory)430和通信总线440，其中，处理器410，通信接口420，存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储器430中的逻辑指令，以执行空白图斑地球化学元素含量赋值方法，该方法包括：对采样点地球化学元素含量进行异常值剔除处理，得到采样点的剔除后地球化学元素含量；对采样点和空白图斑的特征数据进行数据预处理，分别得到采样点和空白图斑的预处理后特征，所述特征数据包括空间位置信息和地质土壤信息；基于采样点和空白图斑的预处理后特征，计算多个相似度矩阵，其中，一个相似度矩阵与一类预处理后特征对应；将多个相似度矩阵进行融合，得到目标权重矩阵；将所述目标权重矩阵转化为概率传播矩阵，基于采样点的剔除后地球化学元素含量，使用概率传播矩阵进行标签传播预测空白图斑的地球化学元素含量，直到收敛；根据收敛时得到的空白图斑的地球化学元素含量为空白图斑赋值。
此外，上述的存储器430中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法所提供的空白图斑地球化学元素含量赋值方法，该方法包括：对采样点地球化学元素含量进行异常值剔除处理，得到采样点的剔除后地球化学元素含量；对采样点和空白图斑的特征数据进行数据预处理，分别得到采样点和空白图斑的预处理后特征，所述特征数据包括空间位置信息和地质土壤信息；基于采样点和空白图斑的预处理后特征，计算多个相似度矩阵，其中，一个相似度矩阵与一类预处理后特征对应；将多个相似度矩阵进行融合，得到目标权重矩阵；将所述目标权重矩阵转化为概率传播矩阵，基于采样点的剔除后地球化学元素含量，使用概率传播矩阵进行标签传播预测空白图斑的地球化学元素含量，直到收敛；根据收敛时得到的空白图斑的地球化学元素含量为空白图斑赋值。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各提供的空白图斑地球化学元素含量赋值方法，该方法包括：对采样点地球化学元素含量进行异常值剔除处理，得到采样点的剔除后地球化学元素含量；对采样点和空白图斑的特征数据进行数据预处理，分别得到采样点和空白图斑的预处理后特征，所述特征数据包括空间位置信息和地质土壤信息；基于采样点和空白图斑的预处理后特征，计算多个相似度矩阵，其中，一个相似度矩阵与一类预处理后特征对应；将多个相似度矩阵进行融合，得到目标权重矩阵；将所述目标权重矩阵转化为概率传播矩阵，基于采样点的剔除后地球化学元素含量，使用概率传播矩阵进行标签传播预测空白图斑的地球化学元素含量，直到收敛；根据收敛时得到的空白图斑的地球化学元素含量为空白图斑赋值。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种空白图斑地球化学元素含量赋值方法，其特征在于，包括：
对采样点地球化学元素含量进行异常值剔除处理，得到采样点的剔除后地球化学元素含量；
对采样点和空白图斑的特征数据进行数据预处理，分别得到采样点和空白图斑的预处理后特征，所述特征数据包括空间位置信息和地质土壤信息；
基于采样点和空白图斑的预处理后特征，计算多个相似度矩阵，其中，一个相似度矩阵与一类预处理后特征对应；
将多个相似度矩阵进行融合，得到目标权重矩阵；
将所述目标权重矩阵转化为概率传播矩阵，基于采样点的剔除后地球化学元素含量，使用概率传播矩阵进行标签传播预测空白图斑的地球化学元素含量，直到收敛；
根据收敛时得到的空白图斑的地球化学元素含量为空白图斑赋值。
2.根据权利要求1所述的空白图斑地球化学元素含量赋值方法，其特征在于，所述对采样点地球化学元素含量进行异常值剔除处理，具体包括：
计算各采样点任一地球化学元素含量值的平均值和标准差；
用平均值减去3倍标准差的数据代替比平均值减去3倍标准差小的数据；
用平均值加上3倍标准差的数据代替比平均值加上3倍标准差大的数据。
3.根据权利要求1所述的空白图斑地球化学元素含量赋值方法，其特征在于，所述对采样点和空白图斑的特征数据进行数据预处理，具体包括：
对采样点和空白图斑的空间位置信息数字数据进行归一化处理，对采样点和空白图斑的地质土壤信息文字数据进行数字化处理。
4.根据权利要求3所述的空白图斑地球化学元素含量赋值方法，其特征在于，所述对采样点和空白图斑的地质土壤信息文字数据进行数字化处理，具体包括：
对不同的地质背景的采样点和空白图斑标上序号代替原始的地质背景文字特征信息；
对不同的土壤类型的采样点和空白图斑标上序号代替原始的土壤类型文字特征信息；
对不同的土地利用类型的采样点和空白图斑标上序号代替原始的土地利用类型文字特征信息。
5.根据权利要求4所述的空白图斑地球化学元素含量赋值方法，其特征在于，所述基于采样点和空白图斑的预处理后特征，计算多个相似度矩阵，其中，一个相似度矩阵与一类预处理后特征对应，具体包括：
基于采样点和空白图斑的预处理后特征，计算东北坐标空间相似度矩阵、经纬坐标空间相似度矩阵、高程坐标空间相似度矩阵、地质背景相似度矩阵、土壤类型相似度矩阵和土地利用类型相似度矩阵。
6.根据权利要求5所述的空白图斑地球化学元素含量赋值方法，其特征在于，所述将多个相似度矩阵进行融合，得到目标权重矩阵，具体包括：
对东北坐标空间相似度矩阵、经纬坐标空间相似度矩阵、高程坐标空间相似度矩阵、地质背景相似度矩阵、土壤类型相似度矩阵和土地利用类型相似度矩阵进行加权求和，得到目标权重矩阵。
7.根据权利要求6所述的空白图斑地球化学元素含量赋值方法，其特征在于，所述将所述目标权重矩阵转化为概率传播矩阵，基于采样点的剔除后地球化学元素含量，使用概率传播矩阵进行标签传播预测空白图斑的地球化学元素含量，直到收敛，具体包括：
采用K邻近将所述目标权重矩阵稀疏化，得到稀疏化后权重矩阵；
将所述稀疏化后权重矩阵转化为概率转移矩阵；
基于所述采样点的剔除后地球化学元素含量构建已有标签信息矩阵；
基于所述已有标签信息矩阵和所述概率转移矩阵进行迭代传播，直到收敛。
8.一种空白图斑地球化学元素含量赋值装置，其特征在于，包括：
剔除单元，用于对采样点地球化学元素含量进行异常值剔除处理，得到采样点的剔除后地球化学元素含量；
预处理单元，用于对采样点和空白图斑的特征数据进行数据预处理，分别得到采样点和空白图斑的预处理后特征，所述特征数据包括空间位置信息和地质土壤信息；
相似度单元，用于基于采样点和空白图斑的预处理后特征，计算多个相似度矩阵，其中，一个相似度矩阵与一类预处理后特征对应；
融合单元，用于将多个相似度矩阵进行融合，得到目标权重矩阵；
传播单元，用于将所述目标权重矩阵转化为概率传播矩阵，基于采样点的剔除后地球化学元素含量，使用概率传播矩阵进行标签传播预测空白图斑的地球化学元素含量，直到收敛；
赋值单元，用于根据收敛时得到的空白图斑的地球化学元素含量为空白图斑赋值。
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7中任一项所述的空白图斑地球化学元素含量赋值方法的步骤。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7中任一项所述的空白图斑地球化学元素含量赋值方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211175871.8A CN115602042A (zh) | 2022-09-26 | 2022-09-26 | 空白图斑地球化学元素含量赋值方法、装置和电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211175871.8A CN115602042A (zh) | 2022-09-26 | 2022-09-26 | 空白图斑地球化学元素含量赋值方法、装置和电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115602042A true CN115602042A (zh) | 2023-01-13 |
Family
ID=84844227
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211175871.8A Pending CN115602042A (zh) | 2022-09-26 | 2022-09-26 | 空白图斑地球化学元素含量赋值方法、装置和电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115602042A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117095216A (zh) * | 2023-08-23 | 2023-11-21 | 湖北省地质调查院 | 基于对抗生成网络的模型训练方法、***、设备及介质 |
-
2022
- 2022-09-26 CN CN202211175871.8A patent/CN115602042A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117095216A (zh) * | 2023-08-23 | 2023-11-21 | 湖北省地质调查院 | 基于对抗生成网络的模型训练方法、***、设备及介质 |
| CN117095216B (zh) * | 2023-08-23 | 2024-06-04 | 湖北省地质调查院 | 基于对抗生成网络的模型训练方法、***、设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108513251B (zh) | 一种基于mr数据的定位方法及*** | |
| CN111311702B (zh) | 一种基于BlockGAN的图像生成和识别模块及方法 | |
| CN112053383B (zh) | 一种机器人实时定位的方法及装置 | |
| CN113128413A (zh) | 一种人脸检测模型训练方法、人脸检测方法及其相关装置 | |
| CN115602042A (zh) | 空白图斑地球化学元素含量赋值方法、装置和电子设备 | |
| CN111491262A (zh) | 移动宽带网络信号强度确定方法和装置 | |
| CN111489387A (zh) | 遥感图像建筑物面积计算方法 | |
| CN114440858B (zh) | 移动机器人定位丢失检测方法、***、设备及存储介质 | |
| CN116756594A (zh) | 一种电网数据异常点检测方法、***、设备及介质 | |
| CN112232171A (zh) | 基于随机森林的遥感影像信息提取方法、装置及存储介质 | |
| CN111491307A (zh) | 一种移动宽带网络信号强度等级确定方法和装置 | |
| CN110188661A (zh) | 边界识别方法及装置 | |
| CN111291712B (zh) | 基于插值的cn和胶囊网络的森林火灾识别方法及装置 | |
| CN115359322A (zh) | 一种目标检测模型训练方法、装置、设备和存储介质 | |
| CN114723791A (zh) | 特征点匹配方法、装置、电子设备和存储介质 | |
| CN115311553A (zh) | 目标检测方法、装置、电子设备及存储介质 | |
| CN114494194A (zh) | 复杂场景下的人群计数方法、装置、设备及可读存储介质 | |
| CN114119970A (zh) | 目标跟踪方法及装置 | |
| CN113222843A (zh) | 一种图像修复方法及其相关设备 | |
| CN114040494A (zh) | 一种mr数据用户的定位方法及*** | |
| CN112040401A (zh) | 室内定位方法、装置、电子设备和存储介质 | |
| CN116385431B (zh) | 基于红外热成像与点云结合的数控机床设备故障检测方法 | |
| CN115630289B (zh) | 一种基于证据理论的目标识别方法及装置 | |
| CN117152622B (zh) | 边界优化模型训练、边界优化方法、装置、设备及介质 | |
| CN111783711B (zh) | 基于身体部件层面的骨架行为识别方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |