[發明專利]基于多卷積自編碼神經網絡的多元化探異常識別方法

有效

• 申請號: 201810491207.1
• 申請日: 2018-05-21
• 公開（公告）號: CN108710777B
• 公開（公告）日: 2021-06-15
• 發明（設計）人: 關慶峰;陳麗蓉;徐晏清;梁靖旖;王穎
• 申請（專利權）人: 中國地質大學（武漢）
• 主分類號: G16C20/70
• 分類號: G16C20/70;G16C20/80;G06N3/04
• 代理公司: 武漢知產時代知識產權代理有限公司 42238
• 代理人: 郝明琴

1.一種基于多卷積自編碼神經網絡的多元化探異常識別方法，其特征在于，包括以下步驟：

S1、獲取原始數據，原始數據為依據規則網格采樣所得的采樣數據，采樣數據中每個采樣點包含多個元素的濃度值；利用空間插值算法對原始數據中的缺失樣本數據進行補全，并且對補全后的數據進行歸一化處理；

S2、利用多個CAE模型并行處理學習所述多個元素的化學元素背景，學習時，是以歸一化的樣本數據為CAE模型輸入數據，為每一個元素提供一個同超參同網絡結構的CAE；

S3、計算所述多個CAE模型的輸入數據與輸出數據之間的歐式距離作為異常得分；

S4、將所述異常得分映射到地理空間上，生成多元化探異常圖。

2.根據權利要求1所述的基于多卷積自編碼神經網絡的多元化探異常識別方法，其特征在于，步驟S1中的空間插值算法為IDW法。

3.根據權利要求1所述的基于多卷積自編碼神經網絡的多元化探異常識別方法，其特征在于，步驟S2中，CAE模型中卷積窗口大小為根據局部元素相關范圍設定，且利用池化法以保證多元素背景特征的平移不變性、旋轉不變性、尺度不變性，利用多個CAE模型并行訓練，分別提取元素背景特征，再以背景特征重構元素背景，作為輸出數據。

4.根據權利要求3所述的基于多卷積自編碼神經網絡的多元化探異常識別方法，其特征在于，所述池化法中池化設定為最大值池化法。

5.根據權利要求3所述的基于多卷積自編碼神經網絡的多元化探異常識別方法，其特征在于，所述卷積窗口大小為12*12。