CN109656906A - 一种基于大数据的勘查资料的处理方法 - Google Patents

Abstract

本发明涉及一种基于大数据的勘查资料的处理方法，包括以下步骤：获取研究区内的已有的各种比例尺下的多源异构勘查资料；根据研究区地质填图的具体任务和已有的地质认识成果，明确该任务的标记类型，并挑选出具有代表性的拥有标记信息的样例组成标记空间；对所收集到的多源异构的勘查资料进行数据预处理；特征工程，构建特征空间；针对研究区内特定的地质填图任务，测试大数据分析算法，进行算法优选，及算法优化；利用优化后的算法进行基于数据的模型构建和参数调试；进行预测分析；输出初期的地质填图。该方法能够充分有效的利用各种多源异构的勘查资料数据，优化地质填图中剖面、路线、观察点的布置，最终提升地质填图成果的质量。

Description

一种基于大数据的勘查资料的处理方法

技术领域

本发明涉及勘查资料数据分析领域，特别涉及一种基于大数据的勘查资料的处理方法。

背景技术

20世纪90年代以来，加拿大、澳大利亚、美国等西方发达国家都将地球物理勘探(物探)、地球化学勘探(化探)、遥感等勘查方法技术综合应用于地质填图工作中，特别是在覆盖区，作为提高地质研究程度的主要途径。

我国覆盖区的面积约占全国陆地面积的1/3以上，其中相当一部分地区是覆盖层厚度不超过100m的浅覆盖区(第四系覆盖层厚度小于100m，覆盖层面积占图幅面积50％或50％以上的地区)。在浅覆盖区地质填图工作中，常规填图方法由于基岩露头少而受到限制，隐伏的岩体、地层、构造、矿产(化)以及地表地质现象在深部发生的变化情况等信息无法直接观察研究，利用转石或局部零散露头填制的地质图可信度低、信息量少、整体质量不高。目前，我国大部分国土面积已为大量中、小比例尺物探、化探、遥感数据资料所覆盖，多源的勘查资料十分丰富。所以，勘查方法技术的综合应用有利于合理安排地质填图工作，提高地质填图的工作效率，丰富地质图，尤其是覆盖区区域地质图件的信息承载量，提高图件的质量和基础地质研究的水平。

由于勘查技术各方法具有野外采集工作比例尺不同，物理、化学基本原理不同，成果数据精度各异等特点，传统专业工作方法只能独立分析各个勘查技术资料，从某一侧面提取一定的信息和认识用以支撑、弥补地质方法的不足。这种工作方法使得多源异构的勘查资料的作用存在很大的局限性，制约其在地质填图工作中的广泛应用。

发明内容

为解决上述技术问题，本发明提出了一种基于大数据的勘查资料的处理方法，主要应用于地质填图工作总流程的前期。

该基于大数据的勘查资料的处理方法具体包括如下步骤：

步骤S10：获取研究区内的已有的各种比例尺下的多源异构勘查资料；

步骤S20：根据研究区地质填图的具体任务和已有的地质认识成果，明确该任务的标记类型，并挑选出具有代表性的拥有标记信息的样例组成标记空间；

步骤S30：对所收集到的多源异构的勘查资料进行数据预处理；

步骤S40：特征工程，构建特征空间；

步骤S50：针对研究区内特定的地质填图任务，基于步骤S20中的标记空间和步骤S40中的特征空间，测试大数据分析算法，进行算法优选，及算法优化；

步骤S60：利用优化后的算法进行基于数据的模型构建和参数调试；

步骤S70：利用步骤S60中所构建的模型进行预测分析；

步骤S80：基于步骤S70中的预测分析输出初期的地质填图。

其中，所述步骤S10中的多源异构勘查资料包括物探资料，遥感影像资料，化探资料和地质资料。

其中，所述物探资料包括航空磁测数据、重力数据。

其中，所述遥感影像资料包括SPOT系列、Aster、高分二号遥感影像。

其中，所述化探资料包括土壤地球化学各元素测量数据。

其中，所述地质资料包括高程、地形以及地质路线、地质剖面、各类样品资料。

其中，所述步骤S10中的预处理包括多源异构数据的规则化，数据清洗，数据归一化和数据归约。

其中，所述步骤S40中的特征工程具体包括如下步骤：

S401：针对研究区内特定的地质填图任务，筛选敏感性强的特征；

S402：对于优选出的特征，进行升维处理以增加识别空间，以及降维处理寻找关联空间以减少计算量提高计算效率；

S403：构建适合研究区内特定地质填图任务的勘查资料特征空间，在构建特征空间的过程中，所有勘查资料及其衍生结果都将作为分析点的某一维特征信息进行统一分析。

本发明提出的一种基于大数据的勘查资料的处理方法，能够充分有效的利用各种多源异构的勘查资料数据，从而优化地质填图中剖面、路线、观察点的布置，增强地质观察、研究的针对性，弥补覆盖区地质信息的不足，最终提升地质填图成果的质量，提高了勘查资料的处理解释成果的准确性，扩展了其应用范围。

附图说明

图1是本发明的方法流程图。

图2是本发明实施例的方法流程图。

图3是本发明实施例的数据收集图。

图4是本发明实施例的标定样点分布图。

图5是本发明实施例的参数优选分析图。

图6是本发明实施例的预测结果图。

具体实施方式

下面将结合本发明的实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图2所示为本发明实施例的方法流程图，具体流程如下：

步骤S10：获取黑龙江某一研究区内的已有的各种比例尺下的多源异构勘查资料，例如：航空磁测数据、重力数据等物探资料，SPOT系列、Aster、高分二号等遥感影像资料，土壤地球化学各元素测量数据等化探资料，高程、地形以及地质路线、地质剖面、各类样品等地质资料。具体数据信息可参见附图3中所示的本发明实施例的数据收集图。

步骤S20：根据研究区森林沼泽浅覆盖区地质填图的具体任务和已有的地质认识成果，确定具有代表性的十一类地质填图单元的674个样例组成标记空间。

步骤S30：对所收集到的多源异构的勘查资料进行数据预处理，主要包括：图像、文本文件、Excel数据等多源异构勘查资料的规则化；数据清洗以解决勘查资料数据存在不完整、噪声干扰和不一致性等问题；数据归一化处理解决各类勘查资料数据量级的不一致性以便于后续的统一建模分析工作；数据归约等预处理工作。

步骤S40：特征工程。首先，针对研究区内特定的地质填图任务，筛选敏感性强的特征资料，如Aster遥感影像资料、16种土壤地球化学元素测量结果、地理信息、以及航空磁测资料。然后，对于优选出的特征资料，统一整体进行升维、降维处理，构建适合本研究区内森林沼泽浅覆盖区地质填图任务的勘查资料特征空间。其中，在构建特征空间的过程中，所有勘查资料及其衍生结果都将作为分析点的某一维特征信息进行统一分析，而不是根据各方法自身的原理和特点，及其专业基础独立分析。

步骤S50：算法优选。针对本研究区内特定的地质填图任务，基于所构建的标记空间和特征空间，测试大数据分析算法，优选K领域大数据分析算法并进行算法优化。

步骤S60：模型训练。利用优化的算法进行基于数据的模型构建，以及参数调试等工作。

步骤S70：利用所构建的模型进行预测，并输出预测结果，完成初期的地质填图工作。

如图6所述为本发明实施例的预测结果图。从图中结果可见，与传统勘查资料辅助地质填图的结果相对比，本实施例智能填图成果的宏观地质单元基本一致，轮廓勾绘更加基于数据本身；智能填图成果同样能有效识别局部的地质单元(白色)；智能填图成果对特殊岩性体识别能力更强(黑色)。

以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (8)

1.一种基于大数据的勘查资料的处理方法，其特征在于，具体包括如下步骤：

步骤S10：获取研究区内的已有的各种比例尺下的多源异构勘查资料；

步骤S20：根据研究区地质填图的具体任务和已有的地质认识成果，明确该任务的标记类型，并挑选出具有代表性的拥有标记信息的样例组成标记空间；

步骤S30：对所收集到的多源异构的勘查资料进行数据预处理；

步骤S40：特征工程，构建特征空间；

步骤S50：针对研究区内特定的地质填图任务，基于步骤S20中的标记空间和步骤S40中的特征空间，测试大数据分析算法，进行算法优选，及算法优化；

步骤S60：利用优化后的算法进行基于数据的模型构建和参数调试；

步骤S70：利用步骤S60中所构建的模型进行预测分析；

步骤S80：基于步骤S70中的预测分析输出初期的地质填图。

2.根据权利要求1所述的方法，其特征在于：所述步骤S10中的多源异构勘查资料包括物探资料，遥感影像资料，化探资料和地质资料。

3.根据权利要求2所述的方法，其特征在于：所述物探资料包括航空磁测数据、重力数据。

4.根据权利要求2所述的方法，其特征在于：所述遥感影像资料包括SPOT系列、Aster、高分二号遥感影像。

5.根据权利要求2所述的方法，其特征在于：所述化探资料包括土壤地球化学各元素测量数据。

6.根据权利要求2所述的方法，其特征在于：所述地质资料包括高程、地形以及地质路线、地质剖面、各类样品资料。

7.根据权利要求1所述的方法，其特征在于：所述步骤S10中的预处理包括多源异构数据的规则化，数据清洗，数据归一化和数据归约。

8.根据权利要求1所述的方法，其特征在于：所述步骤S40中的特征工程具体包括如下步骤：

S401：针对研究区内特定的地质填图任务，筛选敏感性强的特征；

S402：对于优选出的特征，进行升维处理以增加识别空间，以及降维处理寻找关联空间以减少计算量提高计算效率；

S403：构建适合研究区内特定地质填图任务的勘查资料特征空间，在构建特征空间的过程中，所有勘查资料及其衍生结果都将作为分析点的某一维特征信息进行统一分析。