一种基于铜金共生矿床的勘查方法及系统与流程

本发明涉及地质勘查，具体涉及一种基于铜金共生矿床的勘查方法及系统。

背景技术：

1、铜金共生矿床是指该矿床由金矿和铜矿共生而成。铜矿和金矿共生的原因是多方面的，其中涉及到地质构造、成因特征以及地球化学因素等多个方面的影响。铜金共生矿床为重要的矿产资源，因此，对铜金共生矿床的准确勘查为矿产资源的开发和利用提供依据。

2、目前，铜金共生矿床的勘查，大多由勘查人员依据勘查经验进行，缺乏标准性，同时人为主观性也会限制勘查准确性，从而影响勘查效果。

技术实现思路

1、本发明的目的在于提供一种基于铜金共生矿床的勘查方法，以解决现有技术中由勘查人员依据勘查经验进行，缺乏标准性，同时人为主观性也会限制勘查准确性的技术问题。

2、为解决上述技术问题，本发明具体提供下述技术方案：

3、一种基于铜金共生矿床的勘查方法，包括以下步骤：

4、获取铜金共生矿床的成矿勘查要素；

5、对所述成矿勘查要素进行权重动态化设定，得到所述成矿勘查要素的动态化勘查权重；

6、通过神经网络，利用动态化勘查权重对成矿勘查要素与铜金共生矿床的勘查结果进行映射学习，得到用于根据成矿勘查要素得到铜金共生矿床的勘查结果的勘查模型。

7、作为本发明的一种优选方案，所述成矿勘查要素的确定，包括：

8、根据持续的岩浆-热液活动会为铜金共生矿床提供充足且稳定的成矿物质来源，确定出岩浆-热液活动状态为成矿勘查要素；

9、根据有利的成矿部位会使得铜金共生矿床中浅成斑岩体顺利侵位，且会促进矿致有效聚集和沉淀，确定出成矿部位为成矿勘查要素；

10、根据高原快速隆升会使得铜金共生矿床中浅部浅成低温热液型矿化与深部斑岩型矿化叠加提升成矿品质，确定出高原隆升状况为成矿勘查要素；

11、根据良好的保存环境会使得为铜金共生矿床提供稳定的成矿保持条件，确定出保存环境为成矿勘察要素。

12、作为本发明的一种优选方案，所述对所述成矿勘查要素进行权重动态化设定，得到所述成矿勘查要素的动态化勘查权重，包括：

13、利用孪生网络量化各个成矿勘查要素映射学习的映射学习率；

14、根据成矿勘查要素的映射学习率，动态化设定成矿勘查要素的权重，得到成矿勘查要素的动态化勘查权重；

15、所述动态化勘查权重的表达式为：

16、kc＝-(1-map_ratec)log(map_ratec)；

17、式中，kc为成矿勘查要素c的动态化勘查权重，map_ratec为成矿勘查要素c的映射学习率，c∈[岩浆-热液活动状态，成矿部位，高原隆升状况，保存环境]。

18、作为本发明的一种优选方案，所述勘查模型的构建，包括：

19、设置神经网络的迭代学习总次数n，将动态化勘查权重结合至神经网络的每次迭代学习中，得到神经网络每次迭代学习中成矿勘查要素的动态化勘查权重，所述神经网络每次迭代学习中成矿勘查要素的动态化勘查权重为：

20、kcr＝-[1-map_ratec(r-1)]log[map_ratec(r-1)]；

21、式中，kcr为第r次迭代学习中成矿勘查要素c的动态化勘查权重，map_ratec(r-1)为第r-1次迭代学习中成矿勘查要素c的映射学习率，c∈[岩浆-热液活动状态，成矿部位，高原隆升状况，保存环境]，r为计数变量；

22、将每次迭代学习的所述动态化勘查权重对所述成矿勘查要素进行加权，并将加权后的成矿勘查要素作为神经网络每次迭代学习的输入项，将铜金共生矿床的勘查结果作为神经网络每次迭代学习的输出项；

23、在神经网络完成n次迭代学习后，得到稳态勘查权重，以及勘查模型；

24、所述稳态勘查权重为：

25、kcn＝-[1-map_natec(n-1)]log[map_natec(n-1)]；

26、式中，kcn为成矿勘查要素c的稳态勘查权重，所述稳态勘查权重为第n次迭代学习中动态化勘查权重，map_natec(n-1)为第n-1次迭代学习中成矿勘查要素c的映射学习率，c∈[岩浆-热液活动状态，成矿部位，高原隆升状况，保存环境]，n为神经网络的迭代学习总次数；

27、所述勘查模型为：

28、label＝cnn(kcn*c)；

29、式中，label为勘查结果，c为成矿勘查要素标识符，kcn为成矿勘查要素c的稳态勘查权重，cnn为神经网络。

30、作为本发明的一种优选方案，对所述成矿勘查要素进行权重动态化设定，得到所述成矿勘查要素的动态化勘查权重，包括：

31、利用孪生网络量化各个成矿勘查要素映射学习的映射学习率；

32、根据成矿勘查要素的映射学习率，动态化设定成矿勘查要素的权重，得到成矿勘查要素的动态化勘查权重；

33、所述动态化勘查权重的表达式为：

34、kc＝-(1-map_ratec)tlog(map_ratec)；

35、式中，kc为成矿勘查要素c的动态化勘查权重，map_ratec为成矿勘查要素c的映射学习率，c∈[岩浆-热液活动状态，成矿部位，高原隆升状况，保存环境]，t为学习率非自适应调整参数。

36、作为本发明的一种优选方案，所述勘查模型的构建，包括：

37、设置神经网络的迭代学习总次数n，将动态化勘查权重结合至神经网络的每次迭代学习中，得到神经网络每次迭代学习中成矿勘查要素的动态化勘查权重，所述神经网络每次迭代学习中成矿勘查要素的动态化勘查权重为：

38、kcr＝-[1-map_ratec(r-1)]tlog[map_ratec(r-1)]；

39、式中，kcr为第r次迭代学习中成矿勘查要素c的动态化勘查权重，map_ratec(r-1)为第r-1次迭代学习中成矿勘查要素c的映射学习率，c∈m，m＝[岩浆-热液活动状态，成矿部位，高原隆升状况，保存环境]，m为成矿勘查要素c集合标识符，r为计数变量，t为学习率非自适应调整参数；

40、将每次迭代学习的所述动态化勘查权重对所述成矿勘查要素进行加权，并将加权后的成矿勘查要素作为神经网络每次迭代学习的输入项，将铜金共生矿床的勘查结果作为神经网络每次迭代学习的输出项；

41、在神经网络完成n次迭代学习后，得到稳态勘查权重，以及勘查模型；

42、所述稳态勘查权重为：

43、kcn＝-[1-map_natec(n-1)]tlog[map_natec(n-1)]；

44、式中，kcn为成矿勘查要素c的稳态勘查权重，所述稳态勘查权重为第n次迭代学习中动态化勘查权重，map_natec(n-1)为第n-1次迭代学习中成矿勘查要素c的映射学习率，n为神经网络的迭代学习总次数，t为学习率非自适应调整参数；

45、所述勘查模型为：

46、label＝cnn(kcn*m)；

47、式中，label为勘查结果，c为成矿勘查要素标识符，kcn为成矿勘查要素c的稳态勘查权重，cnn为神经网络，c∈m，m＝[岩浆-热液活动状态，成矿部位，高原隆升状况，保存环境]，m为成矿勘查要素c集合标识符。

48、作为本发明的一种优选方案，所述利用孪生网络量化各个成矿勘查要素映射学习的映射学习率，包括：

49、将勘查模型的第r个迭代学习中各个成矿勘查要素分别单独作为孪生网络中第一网络结构的输入，由孪生网络中第一网络结构输出勘查结果预测值；

50、将勘查模型的第r个迭代学习中各个成矿勘查要素联合作为孪生网络中第二网络结构的输入，由孪生网络中第二网络结构输出勘查结果预测值；

51、将勘查模型的第r个迭代学习中孪生网络的损失函数作为勘查模型的第r个迭代学习中各个成矿勘察要素的映射学习率；

52、所述孪生网络为：

53、label_outcr＝cnn1(kcr*c)；

54、label_outmr＝cnn2(kcr*m)；

55、lossr＝mse(label_outcr，label_outmr)；

56、式中，label_outcr为勘查模型的第r个迭代学习中成矿勘查要素c对应的第一网络结构输出的勘查结果预测值，label_outmr为勘查模型的第r个迭代学习中成矿勘查要素集合m对应的第一网络结构输出的勘查结果预测值，cnn1为孪生网络中第一网络结构，cnn2为孪生网络中第二网络结构，lossr为勘查模型的第r个迭代学习中孪生网络的损失函数，mse为均方误差，mse(label_outcr，label_outmr)为label_outcr和label_outmr间的均方误差，kcr为第r次迭代学习中成矿勘查要素c的动态化勘查权重，c∈m，m＝[岩浆-热液活动状态，成矿部位，高原隆升状况，保存环境]，m为成矿勘查要素c集合标识符，r为计数变量；

57、所述映射学习率为：

58、map_ratecr＝lossr；

59、式中，map_ratecr为第r-1次迭代学习中成矿勘查要素c的映射学习率。

60、作为本发明的一种优选方案，所述岩浆-热液活动状态，成矿部位，高原隆升状况，保存环境进行归一化处理。

61、作为本发明的一种优选方案，本发明提供了一种应用所述的一种基于铜金共生矿床的勘查方法的勘查系统，包括：

62、数据获取模块，用于获取待勘查地块的铜金共生矿床的成矿勘查要素；

63、数据处理模块，用于利用勘查模型根据待勘查地块的所述成矿勘查要素，确定出待勘查地块的铜金共生矿床的勘查结果；

64、数据存储模块，用于存储勘查模型。

65、作为本发明的一种优选方案，所述数据存储模块的所述勘查模块模型预建立得到，包括：

66、对所述成矿勘查要素进行权重动态化设定，得到所述成矿勘查要素的动态化勘查权重；以及

67、通过神经网络，利用动态化勘查权重对成矿勘查要素与铜金共生矿床的勘查结果进行映射学习，得到用于根据成矿勘查要素得到铜金共生矿床的勘查结果的勘查模型。

68、本发明与现有技术相比较具有如下有益效果：

69、本发明通过神经网络构建用于根据成矿勘查要素得到铜金共生矿床的勘查结果的勘查模型，利用勘查模型实现标准化勘查，提高勘查标准性，同时在构建勘查模型时对成矿勘察要素的权重进行动态化调整，能够使得勘查模型对每个成矿勘查要素的灵敏度均达到最佳，提高勘查模型的勘查准确性。