一种基于地学分支学科专家知识的逻辑结构树构建方法

    公开(公告)号:CN111709237A

    公开(公告)日:2020-09-25

    申请号:CN202010497001.7

    申请日:2020-06-04

    Abstract: 本发明公开了一种基于地学分支学科专家知识的逻辑结构树构建方法,借助17个学科专业知识节点,进行地学叙词表的完善,达到专业化,统一化,系统化的表达。通过地学叙词表的构建,实现逻辑结构构建,实现语料联系立体化表达。接着使用四万词容量的地质分词词典进行信息化分析,将四万分词词典中的语料进行清晰分类,完善地学叙词表,达到覆盖性地地学语料立体化构建。通过面向地学学科领域,以受控的、规范化表述的、成体系的地学叙词作为基本元素,并将各个地学叙词作为参照系统建立起词与词之间关系。在检索时,通过对某个关键词进行检索,从而从基于地学叙词表的逻辑结构树中获取上位词、下位词、相关词和英文词,检索词汇从1个扩展到N个。

    基于三维建模的立方体预测模型找矿方法

    公开(公告)号:CN100465998C

    公开(公告)日:2009-03-04

    申请号:CN200710098940.9

    申请日:2007-04-29

    Abstract: 本发明公开了一种基于三维建模的立方体预测模型找矿方法,其特征在于,具体步骤如下:(1)资料收集;(2)数据库的建设;(3)三维矿山模型的建立;(4)立方体预测模型的建立;(5)预测结果验证。本发明在找矿过程中加入三维建模的方法,可以针对二维找矿所不能及的大比例尺研究区进行找矿,得到预测结果能够更加真实的反映实际情况。基于三维建模的立方体预测模型,可以使各种三维空间数据,建立研究区的三维地质模型、三维成矿模型和三维找矿模型,其预测结果可以做到定位、定量和定概率。因此,“立方体预测模型”找矿方法实现了从二维找矿到三维找矿的突破,具有重大的理论价值和应用价值。

    基于机器学习的找矿模型预测方法

    公开(公告)号:CN107038505B

    公开(公告)日:2020-06-30

    申请号:CN201710279023.4

    申请日:2017-04-25

    Abstract: 本发明属于地质勘探技术领域,具体为基于机器学习的找矿模型预测方法,建立起统一且容易区分的找矿概念模型库,以各研究区的勘查数据资料为基础,通过机器学习将找矿概念模型库中现有国内外找矿模型及控矿要素与研究区数据资料进行分析和归纳,构建找矿预测模型,将找矿预测模型中控矿要素确定后,依据研究区范围提供数据资料整理清单,完善找矿概念模型的数据基础,依据立方体定量预测系统中总结出的算法,推荐控矿要素适合的算法组合,最终在找矿概念预测模型的基础上,实现定量、定位和定概率的预测评价。本发明能快速建立起某研究区的找矿模型,且所建立的找矿模型更为全面客观,更符合实际情况。

    基于运动恢复结构的地质露头快速三维重建方法

    公开(公告)号:CN110009740A

    公开(公告)日:2019-07-12

    申请号:CN201910296214.0

    申请日:2019-04-13

    Abstract: 本发明涉及地质信息技术领域,特别涉及一种基于运动恢复结构的地质露头快速三维重建方法,对地质露头及地质现象布设控制点及量测杆,对每个地质露头面拍摄至少3张以上的照片,还原真实的三维地质露头模型大小;添加相应的比例约束信息后,采用光束平差对相机的姿态位置进行优化调整;得到准确的稀疏点云后,利用MVS算法构建地质露头的密集三维点云;得到密集点云后,利用泊松重建构建点云三角网,得到地质三维模型;对三维模型附上相应的地质露头纹理信息,复原真实的地质三维模型景观。本发明生成的三维模型可用于地质构造提取、产状要素测量、地层单元划分,结合3d打印技术可以生成高度逼真的地质三维模型。

    非线性离散推测模型找矿预测方法

    公开(公告)号:CN108229759A

    公开(公告)日:2018-06-29

    申请号:CN201810109367.5

    申请日:2018-02-05

    Abstract: 本发明公开了一种非线性离散推测模型找矿预测方法,通过确定控矿要素的最佳组合数与最佳收缩距离,解决了满足较多控矿要素组合的区域范围小、较少控矿要素组合的区域范围大,收缩距离值过小导致最终圈定的成矿有利区个数多且分布离散、收缩距离过大导致所圈定的成矿有利区范围广而失去找矿预测研究意义等问题,从而在最佳控矿要素组合数与最佳收缩距离共同作用下克服矿区信息不对称以及连续插值模型的局限性,实现控矿要素最佳组合与最佳收缩距离双重约束下成矿有利区的圈定,达到找矿预测的目的。

Patent Agency Ranking