基于盲源分离技术的综合异常提取方法及装置制造方法

基于盲源分离技术的综合异常提取方法及装置制造方法
【专利摘要】一种基于盲源分离技术的综合异常提取方法，所述方法包括：基于勘查地球化学元素数据确定观测信号；基于所述观测信号，通过独立分量分析算法确定第一分量，所述第一分量为基于独立分量分析算法所确定的能量最大的独立分量；基于所述第一分量确定化探异常。该方法可以准确反映化探的综合异常信息，进而可以较为准确的预测找矿靶区。
【专利说明】基于盲源分离技术的综合异常提取方法及装置
【技术领域】
[0001]本发明涉及地球化学勘探领域，尤其涉及一种基于盲源分离技术的综合异常提取方法及装置。
【背景技术】
[0002]在勘查地球化学找矿过程中，地球化学综合异常提取非常重要，矿产资源的形成往往经过了复杂的地质过程、具备很好的物质基础，伴随着多种元素的迁移、富集，形成指示矿产存在的多元素异常——综合异常。
[0003]综合异常的提取一直是化探工作者所关注的问题，以往综合异常的圈定多是依靠单元素异常的分布情况，将相关的单元素异常清绘在一张底图上，利用元素的重叠情况，大致圈定出一个范围，这样圈定出的综合异常可以大致反映一个区域内的矿化范围，为进一步找矿提供一个找矿区域。此外，也有一些数学方法被应用于综合异常的提取，比如，聚类分析法、因子分析法、主成分分析法等等。
[0004]根据单元素浓集情况圈定综合异常不可避免的会存在一些问题:比如，异常面积过大且只是一个范围，无法反映浓集中心；综合异常圈定因人而异，会漏掉一些有意义的异常信息，使得确定的综合异常信息不准确。

【发明内容】

[0005]本发明解决的问题是现有技术无法准确确定综合异常信息的问题。
[0006]为解决上述问题，本发明技术方案提供一种基于盲源分离技术的综合异常提取方法，所述方法包括:
基于地球化学元素数据确定观测信号；
基于所述观测信号，通过独立分量分析算法确定第一分量，所述第一分量为基于独立分量分析算法所确定的能量最大的独立分量；
基于所述第一分量确定化探异常。
[0007]可选的，所述地球化学元素数据为多个单元素数据。
[0008]可选的，所述观测信号为多道观测信号。
[0009]可选的，在确定观测信号之后，基于所述观测信号，通过独立分量分析算法确定第一分量之前，对所述观测信号进行预处理。
[0010]可选的，所述预处理包括对所述观测信号进行去均值和白化中的至少一种。
[0011]可选的，所述对立分量分析算法包括FastICA算法或者JADE算法中的任意一种。
[0012]可选的，所述基于所述第一分量确定化探异常包括:
基于所述第一分量确定目标地化元素组合。
[0013]可选的，所述目标地化元素组合包括对所述第一分量影响较大的地球化学元素。
[0014]本发明技术方案还提供一种基于盲源分离技术的综合异常提取装置，所述装置包括: 第一确定单元，适于基于地球化学元素数据确定观测信号；
第二确定单元，适于基于所述观测信号，通过独立分量分析算法确定第一分量，所述第一分量为基于独立分量分析算法所确定的能量最大的独立分量；
第三确定单元，适于基于所述第一分量确定化探异常 与现有技术相比，本发明的技术方案具有以下优点:
基于现有的单元素地球化学数据，可以确定相应的观测信号，基于独立分量分析算法可以确定所述观察信号所对应的独立分量，之后确定所述观察信号所对应的独立分量中能量最大的独立分量(第一分量)，而所述第一分量可以反映地球化学元素的综合特征，则基于所述第一分量可以准确确定化探的综合异常信息，进而可以较为准确的预测找矿靶区。
【专利附图】

【附图说明】
[0015]图1是本发明技术方案提供的基于盲源分离技术的综合异常提取方法的流程示意图；
图2是本发明实施例一提供的基于盲源分离技术的综合异常提取方法的流程示意图； 图3是本发明实施例一提供的检测综合异常结果示意图；
图4是本发明实施例二提供的基于盲源分离技术的综合异常提取方法的流程示意图； 图5是本发明实施例二提供的检测综合异常结果示意图。
【具体实施方式】
[0016]现有技术中，根据单元素浓集情况圈定综合异常的方法，存在异常信息不准确的问题，为解决上述问题，本发明技术方案提供一种基于盲源分离技术的综合异常提取方法。在该方法中，为了可以较为准确确定综合异常的信息，基于地球化学元素数据确定观测信号，进而基于独立分量分析算法确定综合异常。
[0017]盲源分离是指在不知道输入信号的情况下，仅根据观测信号或输出信号来识别系统，从而分离出多个信号的独立分量，以此恢复出源信号(或信号源)。
[0018]独立分量分析(ICA, Independent Component Analysis)算法是近年来由盲源分离技术(BSS, Blind Source Separation)发展来的一种新的多维信号处理方法,是信号处理技术发展中的一项前沿热点。其基本思路是将多维的观察信号按照统计独立的原则建立目标函数，通过优化算法将观测信号分解为若干独立成分，从而帮助实现信号的增强和分析。ICA从多维观测数据的高阶统计特性出发，提取其中的独立成分，从而使得分解结果更具有实际意义，ICA可以保证输出分量之间的相互独立性。
[0019]从某种程度上说，ICA是主成分分析(PCA, Principal Component Analysis)的扩展，PCA的目的在于降低向量维数，去除随机向量间的相关性，找出原始向量中隐含的内在能量较大的向量。但是由于PCA方法在实际计算时只涉及到输入数据概率分布函数的二阶统计特性(仅利用向量的协方差矩阵)，所以分解出得各主分量相互正交(也可以说各分量之间不相关)。从数理统计的观点来说，实际数据的大部分重要信息往往包含在高阶统计特性中，ICA方法往往需要高阶统计量，也就是在学习阶段需要使用一定的非线性，许多情况下，ICA能够提供比PCA更有意义的信息，而ICA仅在原数据为高斯分布时才能实现PCA。
[0020]解决盲源分离问题的一个主要困难在于，不知道源信号的任何信息，也不知道源信号的混合方式，但只要假设源信号是相互统计独立的，就可以应用独立分量分析算法来解决这个问题。独立分量分析是解决盲源分离问题的一个有效途径。
[0021]本发明技术方案采用基于盲源分离技术的综合异常提取方法，图1是本发明技术方案提供的基于盲源分离技术的综合异常提取方法的流程示意图。
[0022]如图1所示，首先执行步骤S101，基于地球化学元素数据确定观测信号。
[0023]所述地球化学元素数据可以为多个单元素数据，所示观测信号可以为多道观测信号。
[0024]执行步骤S102，基于所述观测信号，通过独立分量分析算法确定第一分量。
[0025]所述第一分量为基于独立分量分析算法所确定的能量最大的独立分量。所述独立分量分析算法包括FastICA算法或者JADE算法中的任意一种。
[0026]执行步骤S103，基于所述第一分量确定化探异常。
[0027]基于所述第一分量确定目标地化元素组合，所述目标地化元素组合包括对所述第一分量影响较大的地球化学元素。
[0028]为使本发明的上述目的、特征和优点能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。
[0029]实施例一
在本实施例中，采用FastICA算法进行独立分量分析，基于独立分量分析结果，确定化探异常。
[0030]FastICA算法，又称快速固定点算法，基于负熵最大化判据的独立分量分析方法，该方法依托于非高斯型最大化原理，通过最大化负熵目标函数，使用固定点迭代理论寻找非高斯性最大值而到达到分离信号的最佳估计。该算法采用牛顿迭代算法对观测信号的大量采样点进行批处理，每次从观测信号中分量出一个独立分量，是独立分量分析的一种快速算法。
[0031]图2是本实施例提供的基于盲源分离技术的综合异常提取方法，如图2所示，首先执行步骤S201，基于地球化学元素数据确定观测信号。
[0032]所述观测信号为多道观测信号，所述观测信号的各个分量在统计上是相互独立的。
[0033]步骤S202，对所述观测信号进行预处理。
[0034]一般情况下，对数据的预处理是十分必要的，因为预处理可以使得数据在进行工程运算时复杂度大大简化，得到的结果也更加精确。预处理主要包括去均值和白化处理。
[0035]数据的去均值，去均值的过程可以称为中心化，在完成数据去均值的过程后，在信号处理的算法中就可以假设信号是零均值的。
[0036]数据的白化，白化过程本身是一个线性变换的过程，这种变换的意义在于新的向量之间的相关性被去除。可以基于白化矩阵实现所述白化过程，由所述白化矩阵对观测向量施加线性变换得到。
[0037]对数据进行这样的处理能使使得数据更符合算法要求，提高检测准确性。
[0038]步骤S203，基于负熵最大化确定目标函数。
[0039]通常，盲源分离的过程是通过最优化一个目标函数来实现的，常用的目标函数有高阶累积量、负熵、互信息和最大似然估计等。[0040]由于在具有同样协方差阵的概率密度函数中高斯分布的熵最大，负熵是度量非高斯性的一个稳健的判据。负熵一个重要的性质是:对于可逆的线性变换保持不变，因此可以使其最大化，从而确定目标函数。
[0041]负熵最大化即意味着求解非高斯性的最大化分量，基于所述负熵最大化确定目标函数。
[0042]步骤S204，基于牛顿迭代算法求目标函数的最大值。
[0043]步骤S205，确定分离矩阵。
[0044]基于步骤S205所得到的目标函数的最大值，即可求得分离矩阵W。
[0045]步骤S206,获取相互独立的分量。
[0046]基于公式Y=WX获取相互独立的分量，其中，Y为所述相互独立的分量，X为观测信号，W为步骤S205中所确定的分离矩阵W。
[0047]步骤S207，确定第一分量。
[0048]基于步骤S206中所获取的各相互独立的分量，确定其中能量最大的独立分量，即确定所述第一分量。
[0049]步骤S208，基于所述第一分量确定化探异常。
[0050]基于所述第一分量可以确定该分量对应的矿化元素组合，基于所述矿化元素组合确定对所述第一分量影响较大的元素，基于所述影响较大的元素即可确定化探异常。
[0051]上述关于FastICA算法部分，只简单对该算法的关键步骤进行了简单描述，本领域技术人员可以采用详细的FastICA算法对本实施例进行实施，对于FastICA算法部分在此不再赘述。
[0052]基于本实施例所描述的方法，对实际矿区进行了检测和验证，在此以对某一矿区的1:20万水系沉积物测量资料进行验证为例，如图3所示，黑色线条为前人处理得到的化探综合异常，基于本实施例所提供的方法所得到的综合异常范围与前人处理得到的化探综合异常有良好的套合，可以看出，基于FastICA处理的结果可以进行较为准确的综合异常的确定，可以很好反映矿点位置。
[0053]FaseICA的收敛速度快，具有一定的精度保证，该算法能够更科学的去除元素组合之间的相关性，由于该算法为非线性算法，而地球化学数据同样具有非线性特征，所以基于FaseICA算法可以对地球化学数据进行处理，进一步，基于FaseICA算法的处理结果可以较为准确的确定综合异常。
[0054]实施例二
在本实施例中，采用特征矩阵的联合近似对角化法(JADE, Joint ApproximateDiagonalization of Eigen-matrices)算法进行独立分量分析,基于独立分量分析结果，
确定化探异常。
[0055]图4是本实施例提供的基于盲源分离技术的综合异常提取方法，如图4所示，首先执行步骤S401，基于地球化学元素数据确定观测信号。
[0056]所述观测信号为多道观测信号，所述观测信号的各个分量在统计上是相互独立的。
[0057]执行步骤S402，对所述观测信号进行预处理。
[0058]在此步骤中，完成对所述观测信号进行去均值、白化等处理。[0059]所述去均值也可以称为是对所述观测信号的零均值化，通过稳健预白化等方法进行白化处理，可以将所述白化处理后的数据记录为白化数据Z。
[0060]执行步骤S403，基于所述白化数据Z求出白化数据的四阶累积量矩阵Q。
[0061]执行步骤S404，根据Givens旋转找到一个旋转阵V。
[0062]在求取所述旋转矩阵V时，使四阶累积量矩阵Q尽可能地对角化，使得判据
一1最小。
[0063]执行步骤S405，基于所述旋转矩阵获取混合矩阵B。
[0064]基于公式B= JJV5J取所述混合矩阵B。
[0065]步骤S406，获取相互独立的分量。
[0066]基于公式:f =SX获取源信号，进而获取相互独立的分量。其中S力所述相互独立的分量，X为观测信号，B为步骤S405中所确定的混合矩阵W。
[0067]步骤S407，确定第一分量。
[0068]基于步骤S406中所获取的各相互独立的分量，确定其中能量最大的独立分量，即确定所述第一分量。
[0069]步骤S408，基于所述第一分量确定化探异常。
[0070]基于所述第一分量可以确定该分量对应的矿元素组合，基于所述矿化元素组合确定对所述第一分量影响较大的元素，基于所述影响较大的元素即可确定化探异常。
[0071]上述关于JADE算法部分，只简单对该算法的关键步骤进行了简单描述，本领域技术人员可以采用详细的JADE算法对本实施例进行实施，对于JADE算法部分在此不再赘述。
[0072]基于本实施例所描述的方法，对实际矿区进行了检测和验证，在此同样以实施例中某一矿区的1:20万水系沉积物测量资料进行验证为例，如图5所示，黑色线条为前人处理得到的化探综合异常，基于本实施例所提供的方法所得到的综合异常范围与前人处理得到的化探综合异常有良好的套合，可以看出，基于JADE处理的结果同样可以进行较为准确的综合异常的确定，可以很好反映矿点位置。
[0073]将JADE盲源分离算法用于确定地球化学元素组合，进而确定综合异常的方法中，可以较为准确确定综合异常。
[0074]基于盲源分离技术的综合异常提取的方法，可以较为准确提取矿化元素分布特征及圈定地球化学元素综合异常，通过上述实施例中对某一矿区的检测和验证可以看出，基于盲源分离技术的综合异常的提取处理结果与矿区的实际成矿吻合度较高，基本可以较真实反映地化元素的异常特征，本发明提供的方法在地球化学异常数据处理方面具有较强的适用性和有效性。
[0075]虽然本发明披露如上，但本发明并非限定于此。任何本领域技术人员，在不脱离本发明的精神和范围内，均可作各种更动与修改，因此本发明的保护范围应当以权利要求所限定的范围为准。
【权利要求】
1.一种基于盲源分离技术的综合异常提取方法，其特征在于，包括: 基于勘查地球化学元素数据确定观测信号； 基于所述观测信号，通过独立分量分析算法确定第一分量，所述第一分量为基于独立分量分析算法所确定的能量最大的独立分量； 基于所述第一分量确定化探异常。
2.如权利要求1所述的基于盲源分离技术的综合异常提取方法，其特征在于，所述地球化学元素数据为多个单元素数据。
3.如权利要求1所述的基于盲源分离技术的综合异常提取方法，其特征在于，所述观测信号为多道观测信号。
4.如权利要求1所述的基于盲源分离技术的综合异常提取方法，其特征在于，在确定观测信号之后，基于所述观测信号，通过独立分量分析算法确定第一分量之前，对所述观测信号进行预处理。
5.如权利要求1所述的基于盲源分离技术的综合异常提取方法，其特征在于，所述预处理包括对所述观测信号进行去均值和白化中的至少一种。
6.如权利要求1所述的基于盲源分离技术的综合异常提取方法，其特征在于，所述独立分量分析算法包括FastICA算法或者JADE算法中的任意一种。
7.如权利要求1所述的基于盲源分离技术的综合异常提取方法，其特征在于，所述基于所述第一分量确定化探异常包括: 基于所述第一分量确定目标地球化学元素组合。
8.如权利要求7所述的基于盲源分离技术的综合异常提取方法，其特征在于，所述目标地化元素组合包括对所述第一分量影响较大的地球化学元素。
9.一种基于盲源分离技术的综合异常提取装置，其特征在于，包括: 第一确定单元，适于基于地球化学元素数据确定观测信号； 第二确定单元，适于基于所述观测信号，通过独立分量分析算法确定第一分量，所述第一分量为基于独立分量分析算法所确定的能量最大的独立分量； 第三确定单元，适于基于所述第一分量确定化探异常。
【文档编号】G01V9/00GK103645517SQ201310661715
【公开日】2014年3月19日 申请日期:2013年12月10日 优先权日:2013年12月10日
【发明者】柳炳利, 郭科, 陈聆, 魏友华, 梁元 申请人:成都理工大学