CN117290718A - 一种地质矿产勘查数据提取方法及*** - Google Patents
一种地质矿产勘查数据提取方法及*** Download PDFInfo
- Publication number
- CN117290718A CN117290718A CN202311576266.6A CN202311576266A CN117290718A CN 117290718 A CN117290718 A CN 117290718A CN 202311576266 A CN202311576266 A CN 202311576266A CN 117290718 A CN117290718 A CN 117290718A
- Authority
- CN
- China
- Prior art keywords
- data
- matrix
- moment
- investigation
- time
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 71
- 229910052500 inorganic mineral Inorganic materials 0.000 title claims abstract description 37
- 239000011707 mineral Substances 0.000 title claims abstract description 37
- 238000013075 data extraction Methods 0.000 title claims abstract description 19
- 238000011835 investigation Methods 0.000 claims abstract description 190
- 239000011159 matrix material Substances 0.000 claims abstract description 187
- 230000008859 change Effects 0.000 claims abstract description 67
- 230000011218 segmentation Effects 0.000 claims abstract description 57
- 230000006835 compression Effects 0.000 claims abstract description 36
- 238000007906 compression Methods 0.000 claims abstract description 36
- 238000012937 correction Methods 0.000 claims description 53
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 230000009467 reduction Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 5
- 238000013450 outlier detection Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000006837 decompression Effects 0.000 abstract description 4
- 238000000513 principal component analysis Methods 0.000 description 11
- 230000005484 gravity Effects 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 3
- 239000000758 substrate Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
- H03M7/00—Conversion of a code where information is represented by a given sequence or number of digits to a code where the same, similar or subset of information is represented by a different sequence or number of digits
- H03M7/30—Compression; Expansion; Suppression of unnecessary data, e.g. redundancy reduction
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Optimization (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Computation (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明涉及数据编码压缩技术领域，具体涉及一种地质矿产勘查数据提取方法及***。该方法获取不同时刻下的勘查数据，构建数据矩阵；根据每相邻两个时刻下勘查数据的差异，获取勘查数据的变化程度值；根据每个勘查数据与其他勘查数据之间的变化程度值的差异，获取勘查数据的分割强度，确定分割时刻，将数据矩阵分割，获得区间矩阵；根据区间矩阵中勘查数据的分割强度，获取修正协方差矩阵，进而获取区间矩阵的一维数据；确定旋转门压缩算法的终止时刻，确定每段压缩勘查数据的时长。本发明通过确定旋转门压缩算法的终止时刻，使得压缩后的勘查数据经过解压后仍保留勘查数据实际的变化趋势，进而对地质矿产的分析更准确。
Description
技术领域
本发明涉及数据编码压缩技术领域，具体涉及一种地质矿产勘查数据提取方法及***。
背景技术
地质矿产勘查数据是指在勘察过程中用于研究和评估地质矿产资源潜力的各种数据，包括地电数据、磁法数据、重力数据、电导率数据、电位数据和电磁法数据。由于地质勘探设备的存储性能较弱且存储空间较小，因此，对获得的多种勘查数据需要先压缩再进行存储。
现有方法中通过旋转门压缩算法对每个时刻下的勘查数据进行压缩保存，在保留矿产勘查数据变化趋势的同时，尽可能的提高压缩效率，但由于不同时刻下勘查数据不同，旋转门压缩算法不同的压缩时长，会导致压缩勘查数据解压后，部分时刻下勘查数据的明显变化趋势受到其他时刻下勘查数据的变化趋势影响，使得明显变化趋势被线性拟合，进而根据解压后的勘查数据协同对地质矿产进行分析时，会存在误差，对地质矿产资源潜力评估不准确。
发明内容
为了解决旋转门压缩算法的压缩终止时刻不准确，导致解压后的勘查数据与实际勘查数据存在误差的技术问题，本发明的目的在于提供一种地质矿产勘查数据提取方法及***，所采用的技术方案具体如下：
第一方面，本发明一个实施例提供了一种地质矿产勘查数据提取方法，该方法包括以下步骤：
获取设定时间段内不同时刻下的勘查数据，构建数据矩阵；
根据每相邻两个时刻下同一种勘查数据之间的差异，获取每个时刻下的每个勘查数据的变化程度值；根据每个时刻前、后预设时间段内每个时刻下的每个勘查数据与其他勘查数据之间的变化程度值的差异，获取每个时刻下每个勘查数据的分割强度；
根据分割强度，确定分割时刻；将数据矩阵根据分割时刻进行分割，获得区间矩阵；
根据每个区间矩阵中每个勘查数据的分割强度，获取每个区间矩阵的修正协方差矩阵；根据修正协方差矩阵，获取每个区间矩阵的一维数据；
根据一维数据中的数据分布，确定旋转门压缩算法的终止时刻；根据终止时刻，确定每段压缩勘查数据的时长。
进一步地，所述变化程度值的获取方法为：
将每个时刻下的每个勘查数据归一化的结果，作为目标结果；
对个任一相邻的两个时刻根据时间的先后顺序进行排序，获取时刻序列；
将时刻序列中后一个时刻下的第i种勘查数据的目标结果与前一个时刻下的第i种勘查数据的目标结果之间的差值，作为后一个时刻下的第i种勘查数据的变化程度值。
进一步地，所述根据每个时刻前、后预设时间段内每个时刻下的每个勘查数据与其他勘查数据之间的变化程度值的差异，获取每个时刻下每个勘查数据的分割强度的方法为：
获取第t个时刻下第u个勘查数据在第t个时刻前相邻预设时间段内的第一差异特征值的公式为：；
获取第t个时刻下第u个勘查数据在第t个时刻后相邻预设时间段内的第二差异特征值的公式为：；
获取第t个时刻下第u个勘查数据的分割强度的公式为：；
式中，为第t个时刻下第u个勘查数据的第一差异特征值；/>为第/>个时刻下第u个勘查数据的变化程度值；U为每个时刻下勘查数据的总数量；/>为第/>个时刻下第/>个勘查数据的变化程度值；H为第t个时刻前、后相邻预设时间段内分别获取勘查数据的总次数，其中，获取一次勘查数据对应一个时刻；/>为第t个时刻下第u个勘查数据的第二差异特征值；/>为第/>个时刻下第u个勘查数据的变化程度值；/>为第/>个时刻下第/>个勘查数据的变化程度值；/>为第t个时刻下第u个勘查数据的分割强度；/>为绝对值函数。
进一步地，所述分割时刻的获取方法为：
将每个时刻下每个勘查数据的分割强度进行累加的结果，作为每个时刻下的整体分割强度；
将每个时刻下的整体分割强度归一化的结果，作为整体结果；
当整体结果大于或者等于预设的分割阈值时，将对应的时刻作为分割时刻。
进一步地，所述构建数据矩阵的方法为：
将每个时刻下的每个勘查数据按照相同的顺序进行排列，获得每个时刻下的勘查数据序列；
根据时间的先后顺序，将每个时刻下的勘查数据序列作为数据矩阵的每一列，依次放入到数据矩阵中，构建数据矩阵。
进一步地，所述将数据矩阵根据分割时刻进行分割，获得区间矩阵的方法为：
将每个分割时刻下的勘查数据序列在数据矩阵中所在列，作为数据矩阵分割的终止列，获得分割后的数据矩阵；
将每块分割后的数据矩阵，作为区间矩阵。
进一步地，所述修正协方差矩阵的获取方法为：
将每个区间矩阵中每个勘查数据的分割强度归一化的结果，作为第一结果；
获取每个区间矩阵的协方差矩阵，获取协方差矩阵的每个元素对应的区间矩阵的两列元素之间的同一种勘查数据的第一结果的乘积，作为第一值；
获取协方差矩阵的每个元素对应的所有第一值的均值，作为协方差矩阵中对应元素的修正权重；
获取协方差矩阵的每个元素与对应修正权重的乘积，作为协方差矩阵中对应元素的修正值；
将协方差矩阵中的每个元素用对应的修正值代替，获得修正值构成的矩阵，作为每个区间矩阵的修正协方差矩阵。
进一步地，所述一维数据的获取方法为：
获取每个修正协方差矩阵的特征值和特征向量，依次作为修正特征值和修正特征向量；
根据每个修正协方差矩阵的修正特征值和修正特征向量，通过PCA降维算法，获取对应区间矩阵的一维数据。
进一步地，所述根据一维数据中的数据分布，确定旋转门压缩算法的终止时刻的方法为：
通过离群点检测算法，获取每条一维数据中的异常数据；
将异常数据对应的时刻作为旋转门压缩算法的终止时刻。
第二方面，本发明另一个实施例提供了一种地质矿产勘查数据提取***，该***包括：存储器、处理器以及存储在所述存储器中并可在处理器上运行的计算机程序，处理器执行所述计算机程序时，实现上述任意一项方法的步骤。
本发明具有如下有益效果：
获取设定时间段内不同时刻下的勘查数据，构建数据矩阵，将每个时刻下的勘查数据连接起来，便于后续获取区间矩阵；进而根据每相邻两个时刻下同一种勘查数据之间的差异，获取每个时刻下的每个勘查数据的变化程度值，初步反映出勘查数据的变化趋势，为获取分割时刻作为准确；因此，根据每个时刻前、后预设时间段内每个时刻下的每个勘查数据与其他勘查数据之间的变化程度值的差异，获取每个时刻下每个勘查数据的分割强度，确定每个勘查数据的变化情况，进而确定分割时刻，将数据矩阵进行分割，获得区间矩阵，使得变化趋势相近的勘查数据放置在同一个区间中，避免不同时刻下不同勘查数据之间的影响，导致区间矩阵的一维数据不准确；进而根据每个区间矩阵中每个勘查数据的分割强度，获取每个区间矩阵的修正协方差矩阵，准确获取每个区间矩阵的一维数据，使得一维数据准确表示区间矩阵中勘查数据的变化趋势；进而根据一维数据中的数据分布，确定旋转门压缩算法的终止时刻，使得重要勘查数据压缩后不受其他勘查数据的影响，降低压缩勘查数据与实际勘查数据之间的误差，确保解压后的勘查数据仍可以对地质矿产进行准确的分析，对地质矿产的潜力进行准确的评估。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅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它附图。
图1为本发明一个实施例所提供的一种地质矿产勘查数据提取方法的流程示意图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种地质矿产勘查数据提取方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种地质矿产勘查数据提取方法的具体方案。
请参阅图1，其示出了本发明一个实施例提供的一种地质矿产勘查数据提取方法的流程示意图，该方法包括以下步骤：
步骤S1：获取设定时间段内不同时刻下的勘查数据，构建数据矩阵。
具体的，地质矿产勘查过程中采集的勘查数据受限于勘探设备的存储容量小，因此需要对勘查数据进行压缩存储。旋转门压缩算法能较好的保留勘查数据的趋势，使得压缩后的数据可以较好的还原出原始数据的变化趋势，但对于每个时刻下勘查数据的不同，因此，旋转门压缩算法压缩勘查数据的时长不准确，容易造成部分时刻下勘查数据的变化趋势被其他时刻下勘查数据的变化趋势影响，导致勘查数据明显的变化趋势被线性拟合，使得解压后的勘查数据与实际采集的勘查数据之间存在误差，进而对地质矿产资源潜力评估不准确。因此本发明实施例通过PCA（Principal Component Analysis）降维算法获取一定时间段内的一维数据，对一维数据使用离群点检测算法获取异常数据，将异常数据对应的时刻，作为旋转门压缩算法的终止时刻，自适应获取每段压缩勘查数据的时长，使得压缩后的勘查数据解压后更接近实际采集的勘查数据。其中，旋转门压缩算法、PCA（PrincipalComponent Analysis）降维算法以及离群点检测算法均为现有算法，在此不进行赘述。
为了更好的说明获取每段压缩勘查数据的时长，本发明实施例以3个小时的时长为例，即设定时间段为3个小时，自适应获取3个小时内的压缩勘查数据的时长，实施者可根据实际情况设定时间段的时长，在此不进行限定。为了提高效率，每间隔3分钟在对应时刻下采集一次勘查数据，每次采集的勘查数据包括地电数据、磁法数据、重力数据、电导率数据、电位数据和电磁法数据。实施者可根据实际情况设定采集勘查数据的时间间隔，在此不进行限定。为了更好的分析勘查数据的变化趋势，进而确定压缩勘查数据的时长，本发明实施例将每个时刻下的每个勘查数据按照相同的顺序进行排列，获得每个时刻下的勘查数据序列。例如，将每个时刻下的勘查数据均按照地电数据、磁法数据、重力数据、电导率数据、电位数据和电磁法数据的顺序进行排序，获取的每个时刻下的勘查数据序列均为{地电数据、磁法数据、重力数据、电导率数据、电位数据、电磁法数据}。根据时间的先后顺序，将每个时刻下的勘查数据序列作为数据矩阵的每一列，依次放入到数据矩阵中，构建数据矩阵。
步骤S2：根据每相邻两个时刻下同一种勘查数据之间的差异，获取每个时刻下的每个勘查数据的变化程度值；根据每个时刻前、后预设时间段内每个时刻下的每个勘查数据与其他勘查数据之间的变化程度值的差异，获取每个时刻下每个勘查数据的分割强度。
具体的，对不同时刻下同一种勘查数据的变化进行分析，获取每个时刻下的每个勘查数据的分割强度，进而确定分割时刻，将数据矩阵进行分割，避免不同时刻下的勘查数据之间的影响，使得勘查数据的变化趋势得以保留。其中，获取每个时刻下的每个勘查数据的分割强度的方法如下：
（1）获取变化程度值。
获取每相邻两个时刻下同一种勘查数据之间的差异，初步确定每种勘查数据的变化情况，当每相邻两个时刻下同一种勘查数据之间的差异越小，说明同一种勘查数据的变化程度越小；当每相邻两个时刻下同一种勘查数据之间的差异越大，说明同一种勘查数据的变化程度越大，为了避免对勘查数据明显的变化趋势造成影响，对应相邻的两个时刻越不可能在同一段压缩勘查数据的时间段内。
优选地，获取变化程度值的方法为：将每个时刻下的每个勘查数据归一化的结果，作为目标结果；对个任一相邻的两个时刻根据时间的先后顺序进行排序，获取时刻序列；将时刻序列中后一个时刻下的第i种勘查数据的目标结果与前一个时刻下的第i种勘查数据的目标结果之间的差值，作为后一个时刻下的第i种勘查数据的变化程度值。
作为一个示例，获取每个时刻下的每个勘查数据归一化的结果，即为目标结果。以第t个时刻和第t-1个时刻为例，则第t个时刻和第t-1个时刻对应的时刻序列为{t-1,t}，获取第t个时刻下的第u个勘查数据和第t-1个时刻下的第u个勘查数据，其中，第t个时刻下的第u个勘查数据和第t-1个时刻下的第u个勘查数据为同一种勘查数据。获取第t个时刻下的第u个勘查数据的变化程度值的公式为：；式中，/>为第t个时刻下的第u个勘查数据的变化程度值；/>为第t个时刻下的第u个勘查数据的目标结果；/>为第t-1个时刻下的第u个勘查数据的目标结果。
需要说明的是，越趋于0，说明/>与/>越相等，第t个时刻和第t-1个时刻之间的勘查数据变化趋势越小；/>越远离0，说明/>与/>之间的差异越大，第t个时刻和第t-1个时刻之间的勘查数据变化趋势越大，第t个时刻和第t-1个时刻越不可能在同一个压缩勘查数据的时间段内。其中，/>与/>的取值范围均为［0,1］，因此，/>的取值范围为[-1,1]。
根据获取第t个时刻下的第u个勘查数据的变化程度值的方法，获取每个时刻下的每个勘查数据的变化程度值。需要说明的是，第一个时刻下的每个勘查数据不能获取变化程度值，因此，不计算第一个时刻下的每个勘查数据的变化程度值。
（2）获取分割强度。
为了确定每种勘查数据的变化趋势，本发明实施例根据每个时刻前、后相邻预设时间段内每个时刻下的每个勘查数据与其他勘查数据之间的变化程度值的差异，观察前、后相邻预设时间段内每种勘查数据的变化差异，获取每个时刻下的每个勘查数据的分割强度，进而将不同变化趋势的勘查数据分割开。
作为一个示例，以第t个时刻下第u个勘查数据为例，以第t个时刻为起点，在第t个时刻之前和第t个时刻之后依次获取距离第t个时刻20个时刻的时刻，依次作为第一前预设时刻和第一后预设时刻。第一前预设时刻与第t个时刻之间的时间段为第t个时刻前相邻预设时间段；第t个时刻与第一后预设时刻之间的时间段为第t个时刻后相邻预设时间段。实施者可根据实际情况设定距离第t个时刻的时刻数量，即第t个时刻前、后相邻的预设时间段，在此不进行限定。获取第t个时刻前、后相邻预设时间段内每个时刻下除去第u个勘查数据即第u种勘查数据的其他勘查数据的变化程度值的均值，作为第t个时刻前、后相邻预设时间段内每个时刻下的目标均值；根据第t个时刻前相邻预设时间段内每个时刻下第u个勘查数据的变化程度值与目标均值的差值，获取第t个时刻下第u个勘查数据在第t个时刻前相邻预设时间段内的第一差异特征值。根据第t个时刻后相邻预设时间段内每个时刻下第u个勘查数据的变化程度值与目标均值的差值，获取第t个时刻下第u个勘查数据在第t个时刻后相邻预设时间段内的第二差异特征值，因此，获取第t个时刻下第u个勘查数据的第一差异特征值的公式为；获取第t个时刻下第u个勘查数据的第二差异特征值的公式为：
；式中，/>为第t个时刻下第u个勘查数据的第一差异特征值；/>为第/>个时刻下第u个勘查数据的变化程度值；U为每个时刻下勘查数据的总数量；/>为第/>个时刻下第/>个勘查数据的变化程度值；H为第t个时刻前、后相邻预设时间段内分别获取勘查数据的总次数，其中，获取一次勘查数据对应一个时刻；/>为第t个时刻下第u个勘查数据的第二差异特征值；/>为第/>个时刻下第u个勘查数据的变化程度值；/>为第/>个时刻下第个勘查数据的变化程度值；/>与/>均为目标均值；/>为第一前预设时刻；/>为第一后预设时刻。
Ｈ实质为第t个时刻前、后相邻预设时间段内分别含有的时刻数量，本发明实施例中设定为20，因此Ｈ＝20。
需要说明的是，与/>越趋于0，说明/>与/>越接近、/>与/>越接近，第/>时刻下和第/>时刻下的第u个勘查数据的变化程度值与第t个时刻相邻预设时间段内的变化程度值越接近，间接说明在第t个时刻前、后相邻预设时间段内第u种勘查数据的变化趋势越稳定，/>与/>越趋于0；/>与越远离0，说明/>与/>之间的差异越大、/>与/>之间的差异越大，间接说明在第t个时刻前、后相邻预设时间段内第u种勘查数据的变化趋势越不稳定，/>与/>越远离0。其中，与/>均为有理数。
获取第t个时刻下第u个勘查数据的第一差异特征值与第二差异特征值之间的差异，当第一差异特征值与第二差异特征值之间的差异越大，说明在第t个时刻前、后相邻预设时间段内第u种勘查数据变化趋势的差异越大，第t个时刻越可能为分割时刻，避免第t个时刻前、后相邻预设时间段内勘查数据之间的影响，导致勘查数据明显的变化趋势被线性拟合。因此，根据第t个时刻下第u个勘查数据的第一差异特征值与第二差异特征值之间的差异，获取第t个时刻下第u个勘查数据的分割强度的公式为：；式中，/>为第t个时刻下第u个勘查数据的分割强度；/>为第t个时刻下第u个勘查数据的第一差异特征值；/>为第t个时刻下第u个勘查数据的第二差异特征值；/>为绝对值函数。
需要说明的是，越大，/>与/>之间的差异越大，第t个时刻的前相邻预设时间段内的第u种勘查数据的变化趋势与第t个时刻的后相邻预设时间段内的第u种勘查数据的变化趋势越不相同，第t个时刻越可能是分割时刻，/>越大；因此，/>越大，第t个时刻越可能是分割时刻。
根据获取第t个时刻下第u个勘查数据的分割强度，获取每个时刻下每个勘查数据的分割强度。
步骤S3：根据分割强度，确定分割时刻；将数据矩阵根据分割时刻进行分割，获得区间矩阵。
具体的，为了准确获取分割时间，将数据矩阵进而分割，使得变化趋势相近的勘查数据划分在同一个区间矩阵中，进而获取每个区间矩阵的一维数据，准确高效获取旋转门压缩算法的终止时刻。
本发明实施例将每个时刻下每个勘查数据的分割强度进行累加的结果，作为每个时刻下的整体分割强度。将每个时刻下的整体分割强度归一化的结果，作为整体结果；当整体结果大于或者等于预设的分割阈值时，将对应的时刻作为分割时刻。本发明实施例将预设的分割阈值设定为0.75，实施者可根据实际情况设定分割阈值的大小，在此不进行限定。将每个分割时刻下的勘查数据序列在数据矩阵中所在列，作为数据矩阵分割的终止列，获得分割后的数据矩阵。将每块分割后的数据矩阵，作为区间矩阵。至此，获取勘查数据变化趋势相近的区间矩阵，增强了不同时刻下勘查数据之间的关系。
步骤S4：根据每个区间矩阵中每个勘查数据的分割强度，获取每个区间矩阵的修正协方差矩阵；根据修正协方差矩阵，获取每个区间矩阵的一维数据。
具体的，获取每个区间矩阵的协方差矩阵，为了准确的获取每个区间矩阵的一维数据，本发明实施例根据区间矩阵中每个元素的分割强度，对协方差矩阵中的每个元素进行修正，获取每个区间矩阵的修正协方差矩阵，根据修正协方差矩阵的特征值和特征向量，通过PCA（Principal Component Analysis）降维算法，获取每个区间矩阵的一维数据。
优选地，获取修正协方差矩阵的方法为：将每个区间矩阵中每个勘查数据的分割强度归一化的结果，作为第一结果；获取每个区间矩阵的协方差矩阵，获取协方差矩阵的每个元素对应的区间矩阵的两列元素之间的同一种勘查数据的第一结果的乘积，作为第一值；获取协方差矩阵的每个元素对应的所有第一值的均值，作为协方差矩阵中对应元素的修正权重；获取协方差矩阵的每个元素与对应修正权重的乘积，作为协方差矩阵中对应元素的修正值；将协方差矩阵中的每个元素用对应的修正值代替，获得修正值构成的矩阵，作为每个区间矩阵的修正协方差矩阵。
作为一个示例，以第Ｓ个区间矩阵为例，通过最大最小规范化将第Ｓ个区间矩阵中的每个元素即每个勘查数据的分割强度进行归一化处理，即获取第Ｓ个区间矩阵中每个勘查数据的第一结果，在本发明另一个实施例中可以通过sigmoid函数、函数转化等归一化方法对第Ｓ个区间矩阵中每个勘查数据的分割强度进行归一化处理，在此不做限定。获取第Ｓ个区间矩阵的协方差矩阵，已知协方差矩阵的每个元素对应的第Ｓ个区间矩阵中的每两个列，且可以取相同的列，因此，获取协方差矩阵的每个元素对应的区间矩阵的两列元素之间的同一种勘查数据的第一结果的乘积，即第一值；获取协方差矩阵的每个元素对应的所有第一值的均值，作为协方差矩阵中对应元素的修正权重。获取协方差矩阵的每个元素与对应修正权重的乘积，即为协方差矩阵中对应元素的修正值。以第Ｓ个区间矩阵的协方差矩阵中第ｘ行第ｙ列元素为例，获取第Ｓ个区间矩阵的协方差矩阵中第ｘ行第ｙ列元素的修正值的公式为：；式中，/>为第Ｓ个区间矩阵的协方差矩阵中第ｘ行第ｙ列元素的修正值；/>为第Ｓ个区间矩阵的协方差矩阵中第ｘ行第ｙ列元素；Ｕ为每个时刻下勘查数据的总数量；/>为第Ｓ个区间矩阵中第ｕ行第ｘ列勘查数据的第一结果；/>为第Ｓ个区间矩阵中第ｕ行第ｙ列勘查数据的第一个结果；/>为第一值；/>为修正权重。
需要说明的是，第一值越大，修正权重/>越大，通过修正权重/>对/>进行调整，/>越大；因此，/>越大，说明第Ｓ个区间矩阵的协方差矩阵中第ｘ行第ｙ列元素对获取第Ｓ个区间矩阵的一维数据的影响程度越大。
根据获取第Ｓ个区间矩阵的协方差矩阵中第ｘ行第ｙ列元素的修正值，获取第Ｓ个区间矩阵的协方差矩阵中每个元素的修正值。将第Ｓ个区间矩阵的协方差矩阵中的每个元素用对应的修正值代替，修正值构成的矩阵，即为第Ｓ个区间矩阵的修正协方差矩阵。
根据获取第Ｓ个区间矩阵的修正协方差矩阵的方法，获取每个区间矩阵的修正协方差矩阵。获取每个修正协方差矩阵的特征值和特征向量，依次作为每个修正协方差矩阵的修正特征值和修正特征向量；将每个修正协方差矩阵的修正特征值和修正特征向量，代入到PCA（Principal Component Analysis）降维算法，获取对应区间矩阵的一维数据。至此，获取每个区间矩阵的一维数据。
步骤S5：根据一维数据中的数据分布，确定旋转门算法的终止时刻；根据终止时刻，确定每段压缩勘查数据的时长。
具体的，PCA（Principal Component Analysis）降维算法将区间矩阵中的多维数据转化为一维数据，降低需要处理的数据量，同时还可以去除冗余特征，减少噪声的干扰，使得区间矩阵中勘查数据的变化趋势更明显，更容易识别出变化程度大的数据，进而确定旋转门压缩算法的终止时刻，获取旋转门压缩算法每次压缩的时长。
优选地，确定旋转门压缩算法的终止时刻的方法为：通过离群点检测算法，获取每条一维数据中的异常数据；将异常数据对应的时刻作为旋转门算法的终止时刻。
从本发明实施例设定时间段的第一个时刻开始，使用旋转门压缩算法对每个时刻下的勘查数据进行压缩，直至出现终止时刻，将终止时刻下的勘查数据作为旋转门压缩算法第一次压缩的最后一组数据，因此，设定时间段的第一个时刻与首先出现的终止时刻之间的时长即为旋转门压缩算法第一次压缩勘查数据的时长。根据获取旋转门压缩算法第一次压缩勘查数据的时长的方法，获取旋转门压缩算法每次压缩勘查数据的时长，使得每段压缩的勘查数据经过解压后，仍可以保留实际采集勘查数据的变化趋势，进而对地质矿产资源的分析和评估更准确。
至此，本发明完成。
综上所述，本发明实施例获取不同时刻下的勘查数据，构建数据矩阵；根据每相邻两个时刻下勘查数据的差异，获取勘查数据的变化程度值；根据每个勘查数据与其他勘查数据之间的变化程度值的差异，获取勘查数据的分割强度，确定分割时刻，将数据矩阵分割，获得区间矩阵；根据区间矩阵中勘查数据的分割强度，获取修正协方差矩阵，进而获取区间矩阵的一维数据；确定旋转门压缩算法的终止时刻，确定每段压缩勘查数据的时长。本发明通过确定旋转门压缩算法的终止时刻，使得压缩后的勘查数据经过解压后仍保留勘查数据实际的变化趋势，进而对地质矿产的分析更准确。
基于与上述方法实施例相同的发明构思，本发明实施例还提供了一种地质矿产勘查数据提取***，该***包括：存储器、处理器以及存储在所述存储器中并可在处理器上运行的计算机程序，处理器执行所述计算机程序时实现上述一种地质矿产勘查数据提取方法实施例中的步骤，例如图1所示的步骤。该一种地质矿产勘查数据提取方法在上述实施例中已经详细说明，不再赘述。
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
Claims (10)
1.一种地质矿产勘查数据提取方法，其特征在于，所述方法包括以下步骤：
获取设定时间段内不同时刻下的勘查数据，构建数据矩阵；
根据每相邻两个时刻下同一种勘查数据之间的差异，获取每个时刻下的每个勘查数据的变化程度值；根据每个时刻前、后预设时间段内每个时刻下的每个勘查数据与其他勘查数据之间的变化程度值的差异，获取每个时刻下每个勘查数据的分割强度；
根据分割强度，确定分割时刻；将数据矩阵根据分割时刻进行分割，获得区间矩阵；
根据每个区间矩阵中每个勘查数据的分割强度，获取每个区间矩阵的修正协方差矩阵；根据修正协方差矩阵，获取每个区间矩阵的一维数据；
根据一维数据中的数据分布，确定旋转门压缩算法的终止时刻；根据终止时刻，确定每段压缩勘查数据的时长。
2.如权利要求1所述的一种地质矿产勘查数据提取方法，其特征在于，所述变化程度值的获取方法为：
将每个时刻下的每个勘查数据归一化的结果，作为目标结果；
对个任一相邻的两个时刻根据时间的先后顺序进行排序，获取时刻序列；
将时刻序列中后一个时刻下的第i种勘查数据的目标结果与前一个时刻下的第i种勘查数据的目标结果之间的差值，作为后一个时刻下的第i种勘查数据的变化程度值。
3.如权利要求1所述的一种地质矿产勘查数据提取方法，其特征在于，所述根据每个时刻前、后预设时间段内每个时刻下的每个勘查数据与其他勘查数据之间的变化程度值的差异，获取每个时刻下每个勘查数据的分割强度的方法为：
获取第t个时刻下第u个勘查数据在第t个时刻前相邻预设时间段内的第一差异特征值的公式为：；
获取第t个时刻下第u个勘查数据在第t个时刻后相邻预设时间段内的第二差异特征值的公式为：；
获取第t个时刻下第u个勘查数据的分割强度的公式为：；
式中，为第t个时刻下第u个勘查数据的第一差异特征值；/>为第/>个时刻下第u个勘查数据的变化程度值；U为每个时刻下勘查数据的总数量；/>为第/>个时刻下第/>个勘查数据的变化程度值；H为第t个时刻前、后相邻预设时间段内分别获取勘查数据的总次数，其中，获取一次勘查数据对应一个时刻；/>为第t个时刻下第u个勘查数据的第二差异特征值；/>为第/>个时刻下第u个勘查数据的变化程度值；/>为第/>个时刻下第/>个勘查数据的变化程度值；/>为第t个时刻下第u个勘查数据的分割强度；/>为绝对值函数。
4.如权利要求1所述的一种地质矿产勘查数据提取方法，其特征在于，所述分割时刻的获取方法为：
将每个时刻下每个勘查数据的分割强度进行累加的结果，作为每个时刻下的整体分割强度；
将每个时刻下的整体分割强度归一化的结果，作为整体结果；
当整体结果大于或者等于预设的分割阈值时，将对应的时刻作为分割时刻。
5.如权利要求1所述的一种地质矿产勘查数据提取方法，其特征在于，所述构建数据矩阵的方法为：
将每个时刻下的每个勘查数据按照相同的顺序进行排列，获得每个时刻下的勘查数据序列；
根据时间的先后顺序，将每个时刻下的勘查数据序列作为数据矩阵的每一列，依次放入到数据矩阵中，构建数据矩阵。
6.如权利要求5所述的一种地质矿产勘查数据提取方法，其特征在于，所述将数据矩阵根据分割时刻进行分割，获得区间矩阵的方法为：
将每个分割时刻下的勘查数据序列在数据矩阵中所在列，作为数据矩阵分割的终止列，获得分割后的数据矩阵；
将每块分割后的数据矩阵，作为区间矩阵。
7.如权利要求5所述的一种地质矿产勘查数据提取方法，其特征在于，所述修正协方差矩阵的获取方法为：
将每个区间矩阵中每个勘查数据的分割强度归一化的结果，作为第一结果；
获取每个区间矩阵的协方差矩阵，获取协方差矩阵的每个元素对应的区间矩阵的两列元素之间的同一种勘查数据的第一结果的乘积，作为第一值；
获取协方差矩阵的每个元素对应的所有第一值的均值，作为协方差矩阵中对应元素的修正权重；
获取协方差矩阵的每个元素与对应修正权重的乘积，作为协方差矩阵中对应元素的修正值；
将协方差矩阵中的每个元素用对应的修正值代替，获得修正值构成的矩阵，作为每个区间矩阵的修正协方差矩阵。
8.如权利要求1所述的一种地质矿产勘查数据提取方法，其特征在于，所述一维数据的获取方法为：
获取每个修正协方差矩阵的特征值和特征向量，依次作为修正特征值和修正特征向量；
根据每个修正协方差矩阵的修正特征值和修正特征向量，通过PCA降维算法，获取对应区间矩阵的一维数据。
9.如权利要求1所述的一种地质矿产勘查数据提取方法，其特征在于，所述根据一维数据中的数据分布，确定旋转门压缩算法的终止时刻的方法为：
通过离群点检测算法，获取每条一维数据中的异常数据；
将异常数据对应的时刻作为旋转门压缩算法的终止时刻。
10.一种地质矿产勘查数据提取***，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器在执行所述计算机程序时，实现上述权利要求1-9任意一项所述一种地质矿产勘查数据提取方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311576266.6A CN117290718B (zh) | 2023-11-24 | 2023-11-24 | 一种地质矿产勘查数据提取方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311576266.6A CN117290718B (zh) | 2023-11-24 | 2023-11-24 | 一种地质矿产勘查数据提取方法及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117290718A true CN117290718A (zh) | 2023-12-26 |
| CN117290718B CN117290718B (zh) | 2024-03-08 |
Family
ID=89252056
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311576266.6A Active CN117290718B (zh) | 2023-11-24 | 2023-11-24 | 一种地质矿产勘查数据提取方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117290718B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117979508A (zh) * | 2024-03-05 | 2024-05-03 | 六班电气有限公司 | 一种基于井下环境感知的灯光智能调控方法 |
| CN118035847A (zh) * | 2024-04-10 | 2024-05-14 | 山东司南地理信息有限公司 | 一种基于地质矿产勘查的数据提取方法及*** |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100018719A1 (en) * | 2008-07-23 | 2010-01-28 | Xinyou Lu | Inversion of CSEM Data With Measurement System Signature Suppression |
| US20100217568A1 (en) * | 2006-02-08 | 2010-08-26 | Nec Corporation | Variation simulation system, method for determining variations, apparatus for determining variations and program |
| US20210158081A1 (en) * | 2019-11-27 | 2021-05-27 | Compound Eye Inc. | System and method for correspondence map determination |
| CN114564886A (zh) * | 2022-02-21 | 2022-05-31 | 上海同岩土木工程科技股份有限公司 | 一种基于地质参数量化的盾构掘进参数预测方法 |
| CN115563470A (zh) * | 2022-09-30 | 2023-01-03 | 北京邮电大学 | 一种面向在线wifi感知的低延迟活动信号分割方法及装置 |
| CN115578212A (zh) * | 2022-08-09 | 2023-01-06 | 核工业二四三大队 | 一种地质勘查内外业一体化的信息化*** |
| CN116203646A (zh) * | 2023-05-04 | 2023-06-02 | 山东省地质测绘院 | 一种确定地质资源量的勘探数据处理*** |
| CN116659589A (zh) * | 2023-07-25 | 2023-08-29 | 澳润(山东)药业有限公司 | 基于数据分析的阿胶糕保存环境监测方法 |
-
2023
- 2023-11-24 CN CN202311576266.6A patent/CN117290718B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100217568A1 (en) * | 2006-02-08 | 2010-08-26 | Nec Corporation | Variation simulation system, method for determining variations, apparatus for determining variations and program |
| US20100018719A1 (en) * | 2008-07-23 | 2010-01-28 | Xinyou Lu | Inversion of CSEM Data With Measurement System Signature Suppression |
| US20210158081A1 (en) * | 2019-11-27 | 2021-05-27 | Compound Eye Inc. | System and method for correspondence map determination |
| CN114564886A (zh) * | 2022-02-21 | 2022-05-31 | 上海同岩土木工程科技股份有限公司 | 一种基于地质参数量化的盾构掘进参数预测方法 |
| CN115578212A (zh) * | 2022-08-09 | 2023-01-06 | 核工业二四三大队 | 一种地质勘查内外业一体化的信息化*** |
| CN115563470A (zh) * | 2022-09-30 | 2023-01-03 | 北京邮电大学 | 一种面向在线wifi感知的低延迟活动信号分割方法及装置 |
| CN116203646A (zh) * | 2023-05-04 | 2023-06-02 | 山东省地质测绘院 | 一种确定地质资源量的勘探数据处理*** |
| CN116659589A (zh) * | 2023-07-25 | 2023-08-29 | 澳润(山东)药业有限公司 | 基于数据分析的阿胶糕保存环境监测方法 |
Non-Patent Citations (3)
| Title |
|---|
| RENGUANG ZUO 等: "The processing methods of geochemical exploration data: past, present, and future", ELSEVIER, pages 1 - 9 * |
| 王玉国;: "基于复杂地质的矿产资源勘查找矿方法研究", 中国金属通报, no. 07, pages 54 - 55 * |
| 许睿;: "浅谈地质勘查资料的数据挖掘", 能源技术与管理, no. 04, pages 195 - 197 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117979508A (zh) * | 2024-03-05 | 2024-05-03 | 六班电气有限公司 | 一种基于井下环境感知的灯光智能调控方法 |
| CN118035847A (zh) * | 2024-04-10 | 2024-05-14 | 山东司南地理信息有限公司 | 一种基于地质矿产勘查的数据提取方法及*** |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117290718B (zh) | 2024-03-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117290718B (zh) | 一种地质矿产勘查数据提取方法及*** | |
| CN107391900B (zh) | 房颤检测方法、分类模型训练方法及终端设备 | |
| CN115987295A (zh) | 基于物联网的农作物监控数据高效处理方法 | |
| CN114041786B (zh) | 心冲击图信号的检测方法、装置以及设备 | |
| CN107248180B (zh) | 一种基于隐状态模型的fMRI自然图像解码方法 | |
| CN112084847B (zh) | 基于多通道截断核范数及全变差正则化的高光谱图像去噪方法 | |
| CN112674782B (zh) | 癫痫患者发作间期痫样电活动检测装置和方法 | |
| CN107133626B (zh) | 一种基于部分平均随机优化模型的医学影像分类方法 | |
| CN117370329A (zh) | 基于工业物联网的设备数据智能化管理方法及*** | |
| CN116418882A (zh) | 基于hplc双模载波通信的存储器数据压缩方法 | |
| CN112464721A (zh) | 微地震事件自动识别方法及装置 | |
| Laudato et al. | Morphological Classification of Heartbeats in Compressed ECG. | |
| CN112336369B (zh) | 一种多通道心音信号的冠心病风险指数评估*** | |
| CN111309718B (zh) | 一种配网电压数据缺失填补方法及装置 | |
| CN109933680A (zh) | 图像数据筛选方法、装置、计算机设备及其存储介质 | |
| CN116595465A (zh) | 基于自编码器和数据增强的高维稀疏数据离群点检测方法及*** | |
| Chen et al. | Tea leaves identification based on gray-level Co-occurrence matrix and K-nearest neighbors algorithm | |
| CN114764581B (zh) | 一种基于rr间期空间特征的房颤分类方法、装置及*** | |
| CN117668496B (zh) | 一种土工格栅应变测试方法及*** | |
| CN118171135B (zh) | 基于多源数据融合的水产养殖环境监测方法 | |
| CN117692012B (zh) | 一种智能睡袋温度数据远程监测传输方法 | |
| CN117115717B (zh) | 互联网网络数据解析方法及*** | |
| CN117743768B (zh) | 基于去噪生成对抗网络和扩散模型的信号去噪方法及*** | |
| CN112102233B (zh) | 基于磁共振图像脑卒中病因甄别方法、装置、设备及介质 | |
| CN116636858A (zh) | 一种ecg感知信号编码方法及*** |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |