[發明專利]礦產結果預測方法、裝置、計算機設備及存儲介質

有效

• 申請號: 202010593799.5
• 申請日: 2020-06-23
• 公開（公告）號: CN111753467B
• 公開（公告）日: 2023-08-22
• 發明（設計）人: 肖凡
• 申請（專利權）人: 中山大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F30/28;G06Q10/04;G06Q50/02;G06N20/00;G06F111/10;G06F113/08;G06F119/08;G06F119/14
• 代理公司: 北京專贏專利代理有限公司 11797
• 代理人: 劉梅

本發明適用于計算機技術領域，提供了一種礦產結果預測方法、裝置、計算機設備及存儲介質，其中方法包括：獲取擬勘探礦床的地質構造信息、巖礦石物性參數以及流體參數；利用力?熱?流多場耦合數值模擬計算模型對上述參數進行多物理場數值模擬計算，得到多個成礦條件參數；根據成礦條件參數以及最優礦產結果預測模型確定礦產預測結果。本發明提供的礦產結果預測方法，在獲取到擬勘探礦床的基本特性后，先進行多物理場數值模擬計算用于擬合成礦過程，得到多個無法被直接測量的成礦條件參數，再利用上述成礦條件參數來確定礦產預測結果，即提出一種成礦機制與數據雙重驅動的礦產結果預測方法，能夠有效改善的礦產預測結果的準確性。

技術領域

本發明屬于計算機技術領域，尤其涉及一種礦產結果預測方法、裝置、計算機設備及存儲介質。

背景技術

礦產結果預測是當前礦產勘查工作的熱點與難點，尤其是對深部礦產結果的預測。隨著機器學習算法的發展，機器學習算法為深部礦產結果預測提供了一種基于數據驅動建立預測模型的有效途徑，利用機器學習算法建立成礦響應變量與預測變量之間的復雜數學關系，可以達到定量預測礦產與優化成礦預測變量的目的。

然而，利用機器學習算法訓練生成的礦產結果預測模型所揭示的僅僅是成礦響應變量與預測變量之間的數字關系，也就是說，礦產結果預測模型所揭示的礦響應變量與預測變量之間的復雜數字關系并沒有將成礦機制或機理與成礦事實聯系起來，無實際地質意義，甚至有的時候所揭露出來的復雜數字關系是“黑箱”(如人工神經網絡等)，不存在具體的數學公式，在實際應用中存在較大的局限性，無法取得較好的預測精確性。

可見，現有的單純利用機器學習算法訓練生成的礦產結果預測模型還存在預測精確性不足的技術問題。

發明內容

本發明實施例的目的在于提供一種礦產結果預測方法，旨在解決現有的單純利用機器學習算法訓練生成的礦產結果預測模型還存在預測精確性不足的技術問題。

本發明實施例是這樣實現的，一種礦產結果預測方法，包括：

獲取擬勘探礦床的地質構造信息、巖礦石物性參數以及流體參數；

在最優模擬驅動條件下，根據最優力-熱-流多場耦合數值模擬計算模型對所述擬勘探礦床的地質構造信息、巖礦石物性參數以及流體參數進行多物理場數值模擬計算，得到多個成礦條件參數；所述成礦條件參數至少包括應力場參數、溫度場參數、流體場參數中的一種或多種；

根據所述多個成礦條件參數以及最優礦產結果預測模型確定所述擬勘探礦床的礦產預測結果；

其中，所述最優模擬驅動條件、所述最優力-熱-流多場耦合數值模擬計算模型以及所述最優礦產結果預測模型是基于預設的機器學習算法同時訓練生成的；所述最優力-熱-流多場耦合數值模擬計算模型至少由基于擬勘探礦床的勘探資料所建立的擬勘探礦床幾何模型與基于力、熱、流多物理場的動力學方程所建立的力-熱-流多場耦合數值本構模型結合組成。

本發明實施例的另一目的在于提供一種礦產結果預測裝置，包括：

信息獲取單元，用于獲取擬勘探礦床的地質構造信息、巖礦石物性參數以及流體參數；

多物理場數值模擬計算單元，用于在最優模擬驅動條件下，根據最優力-熱-流多場耦合數值模擬計算模型對所述擬勘探礦床的地質構造信息、巖礦石物性參數以及流體參數進行多物理場數值模擬計算，得到多個成礦條件參數；所述成礦條件參數至少包括應力場參數、溫度場參數、流體場參數中的一種或多種；

礦產結果預測單元，用于根據所述多個成礦條件參數以及最優礦產結果預測模型確定所述擬勘探礦床的礦產預測結果；