CN116206700A - 一种地球化学元素储量变化量的计算方法及系统 - Google Patents

一种地球化学元素储量变化量的计算方法及系统 Download PDF

Info

Publication number
CN116206700A
CN116206700A CN202310055252.3A CN202310055252A CN116206700A CN 116206700 A CN116206700 A CN 116206700A CN 202310055252 A CN202310055252 A CN 202310055252A CN 116206700 A CN116206700 A CN 116206700A
Authority
CN
China
Prior art keywords
sampling
reserve
geochemical
geochemical element
area
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202310055252.3A
Other languages
English (en)
Inventor
万翔
夏学齐
高婕妤
吴姝涵
田野
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hubei Geological Survey
China University of Geosciences Beijing
Original Assignee
Hubei Geological Survey
China University of Geosciences Beijing
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hubei Geological Survey, China University of Geosciences Beijing filed Critical Hubei Geological Survey
Priority to CN202310055252.3A priority Critical patent/CN116206700A/zh
Publication of CN116206700A publication Critical patent/CN116206700A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/30—Prediction of properties of chemical compounds, compositions or mixtures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/17—Function evaluation by approximation methods, e.g. inter- or extrapolation, smoothing, least mean square method

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Algebra (AREA)
  • Chemical & Material Sciences (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请地球化学技术领域，具体公开了一种地球化学元素储量变化量的计算方法及系统，其包括：基于采样区的第一样本采集结果计算获取第一集合；结合第一集合和采样点的空间位置关系获取采样区的地球化学元素密度值的第一预测模型，并获得地球化学元素的第一储量数据；基于采样区的第二样本采集结果计算获取第二集合；结合第二集合和采样点的空间位置关系获取采样区的地球化学元素密度值的第二预测模型，并获得地球化学元素的第二储量数据；结合第一储量数据和第二储量数据获取采样区地球化学元素的储量变化量数据。通过本申请能够将采样点的空间异质因素考虑到地球化学元素储量的计算过程中，大幅度的提升了计算结果的准确率，同时可以给出结果的误差范围。

Description

一种地球化学元素储量变化量的计算方法及系统
技术领域
本申请涉及地球化学技术领域，尤其涉及一种地球化学元素储量变化量的计算方法及系统。
背景技术
现有地球化学元素储量的测算方法通过采样点采样和实验室分析获取采样点位的地球化学元素的含量值，进而计算得到采样点位的地球化学元素的密度值，然后基于采样点位的地球化学元素密度推算到区域的地球化学元素储量。但是由于采样点相关参数的空间异质性，此时采用上述方法得到的地球化学元素的储量计算结果具有较大误差。其次，这种方法无法对最终的地球化学元素储量计算结果进行误差评估，在真实误差较大的情况下，对化学元素储量的变化量也会产生误判。
发明内容
为了解决采样点相关参数的空间异质性导致现有地球化学元素的储量变化量计算结果具有较大误差的问题，本申请提供了一种地球化学元素储量变化量的计算方法及系统。
根据本申请的一个方面，提供了一种地球化学元素储量变化量的计算方法，包括：基于采样区的第一样本采集结果计算获取第一集合，所述第一集合包括多个与采样点对应的地球化学元素储量的密度值；
结合所述第一集合和所述采样点的空间位置关系获取采样区的地球化学元素密度值的第一预测模型，并基于所述第一预测模型和采样区面积获得地球化学元素的第一储量数据；
基于所述采样区的第二样本采集结果计算获取第二集合，所述第二集合包括多个与采样点对应的地球化学元素储量的密度值；
结合所述第二集合和所述采样点的空间位置关系获取采样区的地球化学元素密度值的第二预测模型，并基于所述第二预测模型和所述采样区面积获得地球化学元素的第二储量数据；
结合所述第一储量数据和所述第二储量数据获取所述采样区地球化学元素的储量变化量数据。
通过采用上述技术方案，先基于采样区的第一样本采集结果获取包括多个与采样点对应的地球化学元素储量的密度值的第一集合，结合所述第一集合和所述采样点的空间位置关系获取采样区的地球化学元素密度值的第一预测模型，并基于所述第一预测模型和采样区面积获得地球化学元素的第一储量数据，基于所述采样区的第二样本采集结果计算获取第二集合，所述第二集合包括多个与采样点对应的地球化学元素储量的密度值；结合所述第二集合和所述采样点的空间位置关系获取采样区的地球化学元素密度值的第二预测模型，并基于所述第二预测模型和所述采样区面积获得地球化学元素的第二储量数据；结合所述第一储量数据和所述第二储量数据从而获取所述采样区地球化学元素的储量变化量，相较于未考虑采样点相关参数的空间异质性的经典统计模型，结合了采样点的空间位置关系得到的预测模型更为准确。
可选的，所述结合所述第一集合和所述采样点的空间位置关系获取采样区的地球化学元素密度值的第一预测模型包括：
基于所述第一集合和所述采样点的空间位置关系计算地球化学元素储量密度值的经验半变异函数；
利用近似准则筛选目标模型与所述经验半变异函数进行拟合以获取理论半变异函数；
基于理论半变异函数，利用块克里金法得到采样区的地球化学元素密度值的第一预测模型。
通过采用上述技术方案，由于多个采样点的空间分布不同，通过将采样点的地球化学元素的储量密度值与采样点的空间位置关系进行关联得到地球化学元素储量密度值的经验半变异函数，然后筛选目标模型拟合生成理论半变异函数，最后利用块克里金法进行分析从而得到精准度更高的采样区的地球化学元素密度值的第一预测模型。
优选的，所述第一储量数据包括所述采样区的地球化学元素的第一储量值和对应的第一标准误，所述基于所述第一预测模型和所述采样区面积获得地球化学元素的第一储量数据包括：
基于所述第一预测模型获取采样区的地球化学元素密度值的第一块克里金预测值和第一方差；根据所述地球化学元素密度值的块克里金预测值和所述采样区的面积获取所述第一储量值，利用所述地球化学元素密度值的第一方差和所述采样区的面积获取所述第一标准误。
通过采用上述技术方案，将采样区的空间位置关系纳入计算因素，利用第一预测模型的计算能够直观精准的获得采样区的地球化学元素的第一储量值以及第一标准误，有利于计算结果的直观精准。
优选的，所述结合所述第二集合和所述采样点的空间位置关系获取采样区的地球化学元素密度值的第二预测模型包括：
基于所述第二集合和所述采样点的空间位置关系计算地球化学元素储量密度值的经验半变异函数；
利用近似准则筛选目标模型与所述经验半变异函数进行拟合以获取理论半变异函数；
基于理论半变异函数，利用块克里金法得到采样区的地球化学元素密度值的第二预测模型。
通过采用上述技术方案，由于多个采样点的空间分布不同，通过将采样点的地球化学元素的储量密度值与采样点的空间位置关系进行关联得到地球化学元素储量密度值的经验半变异函数，然后筛选目标模型拟合生成理论半变异函数，最后利用块克里金法进行分析从而得到精准度更高的采样区的地球化学元素密度值的第二预测模型。
优选的，所述第二储量数据包括所述采样区的地球化学元素的第二储量值和对应的第二标准误，所述基于所述第二预测模型和所述采样区面积获得地球化学元素的第二储量数据包括：
基于所述第二预测模型获取采样区的地球化学元素密度值的第二块克里金预测值和第二方差；根据所述地球化学元素密度值的块克里金预测值和所述采样区的面积获取所述第二储量值，利用所述地球化学元素密度值的第二方差和所述采样区的面积获取所述第二标准误。
通过采用上述技术方案，将采样区的空间位置关系纳入计算因素，利用第一预测模型的计算能够直观精准的获得采样区的地球化学元素的第二储量值以及第二标准误，有利于计算结果的直观精准。
优选的，所述结合所述第一储量数据和所述第二储量数据获取所述采样区地球化学元素的储量变化量数据包括：
对所述第一储量值和所述第二储量值求差获得所述采样区的地球化学元素的储量变化量；对所述第一标准误和所述第二标准误进行计算获取所述储量变化量的标准误；
根据所述地球化学元素的储量变化量和所述储量变化量的标准误确定预设显著性水平下所述地球化学元素的储量变化量的置信区间。
通过采用上述技术方案，对所述第一储量值和所述第二储量值求差获得所述采样区的地球化学元素的储量变化量，对所述第一标准误和所述第二标准误进行计算获取所述储量变化量的标准误，能够得到采样区地球化学元素的储量变化量及对应的标准误，通过确定预设显著性水平下所述地球化学元素的储量变化量的置信区间能够进一步提高储量变化量计算结果的精准度。
优选的，所述第一集合包括第一训练样本集合，所述第一预测模型通过如下方式进行训练生成：
生成所述第一训练样本集合，其中，所述第一训练样本集合包括预设数量的采样点和所述采样点对应的地球化学元素储量的密度值；
以所述第一训练样本集合中的样本对预设模型进行训练，以所述采样点作为输入，以所述采样点对应的地球化学元素储量的虚拟密度值作为输出，当输出的虚拟密度值与所述地球化学元素储量的密度值的统一率满足预设阈值时，完成所述预设模型的训练并生成第一预测模型。
通过采用上述技术方案，以采样区采集结果得到的地球化学元素储量的密度值作为深度学习模型的训练挤出，训练得到样点对应的地球化学元素储量的虚拟密度值,并根据地球化学元素储量的密度值判断虚拟密度值的真假，进而将判断结果反馈至深度学习模型中，使得深度学习模型后续生成的虚拟密度值更接近地球化学元素储量的密度值，当当输出的虚拟密度值与所述地球化学元素储量的密度值的统一率满足预设阈值时，从而完成所述预设模型的训练并生成第一预测模型。
优选的，所述基于所述第一预测模型和采样区面积获得地球化学元素的第一储量数据前包括：
判断所述采样点的采样数量是否超过预设的数量阈值；
若所述采样数量超过所述数量阈值，则根据所述第一集合获取所述所述采样区的地球化学元素储量密度值的均值和标准误；
若所述采样数量未超过所述数量阈值，则通过插值法对所述第一集合进行处理得到预测曲线模型；
根据所述预测曲线模型获取所述采样区的地球化学元素储量密度值均值和标准误。
通过采用上述技术方案，当采样点的采样数量较少时，则可能导致预测结果不准确，因此通过预设的数量阈值对采样数量进行判断，当采样数量不超过数量阈值时，通过插值法能够处理得到预测准确度更高的预测曲线对地球化学元素储量密度值的均值和标准误进行计算。
优选的，所述基于采样区的第一样本采集结果计算获取第一集合后，还包括：
判断所述第一集合中的地球化学元素储量的密度值是否存在异常，所述异常包括与采样点对应的地球化学元素储量的密度值是否超出预设范围内，若所述密度值出现异常，则出现对应采样点重新采样提醒。
通过采用上述技术方案，由于地球化学元素储量的密度值通常采用人工采样的方式采集，通过预设地球化学元素储量的密度值的范围进行判断，从而避免明显异常的密度值对采集结果形成干扰。
根据本申请的另一个方面，还提供了一种地球化学元素储量变化量的计算系统，包括：
第一采集模块，用于基于采样区的第一样本采集结果计算获取第一集合，所述第一集合包括多个与采样点对应的地球化学元素储量的密度值；
第一模型处理模块，用于结合所述第一集合和所述采样点的空间位置关系获取采样区的地球化学元素密度值的第一预测模型，并基于所述第一预测模型和采样区面积获得地球化学元素的第一储量数据；
第二采集模块，用于基于所述采样区的第二样本采集结果计算获取第二集合，所述第二集合包括多个与采样点对应的地球化学元素储量的密度值；
第二模型处理模块，用于结合所述第二集合和所述采样点的空间位置关系获取采样区的地球化学元素密度值的第二预测模型，并基于所述第二预测模型和所述采样区面积获得地球化学元素的第二储量数据；
计算模块，用于结合所述第一储量数据和所述第二储量数据获取所述采样区地球化学元素的储量变化量数据。
综上，本申请包括以下有益技术效果：
基于采样区的第一样本采集结果计算获取第一集合；结合第一集合和采样点的空间位置关系获取采样区的地球化学元素密度值的第一预测模型，并获得地球化学元素的第一储量数据；基于采样区的第二样本采集结果计算获取第二集合；结合第二集合和采样点的空间位置关系获取采样区的地球化学元素密度值的第二预测模型，并获得地球化学元素的第二储量数据；结合第一储量数据和第二储量数据获取采样区地球化学元素的储量变化量。通过本申请能够将采样点的空间异质因素考虑到地球化学元素储量的计算过程中，大幅度的提升了计算结果的准确率，给出了结果的误差范围。
附图说明
图1示出了本申请一种采样区内采样点的场景示意图。
图2示出了本申请一种地球化学元素储量变化量的计算方法的流程示意图。
图3示出了本申请的实施例提供的获取第一预测模型的流程示意图。
图4示出了根据本申请的实施例提供的获取第一储量数据的流程示意图。
图5示出了本申请的实施例提供的又一种获取第一预测模型的流程示意图。
图6示出了本申请一种获取地球化学元素储量密度值均值和标准误的流程示意图。
图7示出了本申请实施例提供的一种地球化学元素储量变化量的计算系统的结构示意图。
具体实施方式
以下使本申请的目的、技术方案及优点更加清楚明白，以下通过附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。
以下结合附图1-7对本申请做进一步详细说明。
图1示出了本申请一种采样区内采样点的场景示意图，通常在地球化学元素的储量测算方法中，会在采样区内设置多个采样点进行地球化学元素的采样检测和分析，以采样点的样本采样结果进行地球化学元素储量的测算。
图2示出了本申请一种地球化学元素储量变化量的计算方法的流程示意图。从图2中可以看出，本实施例地球化学元素储量变化量的计算方法，包括以下步骤：
S102，基于采样区的第一样本采集结果计算获取第一集合，所述第一集合包括多个与采样点对应的地球化学元素储量的密度值。
进一步地，通过采样区的采样点获取的样本进行实验室测算和分析能够获取该采样点地球化学元素储量的密度值。
在一种实施例中，采样区包括土壤采样区，地球化学元素包括碳元素，通过上述方法可以获取土壤采样区内采样点的碳元素储量密度值。这里的第一样本采集结果为采样区中采样点的测算和分析结果，例如采样点A，对应的地球化学元素储量的密度值为B，则(A,B)为第一样本采样结果的一个采样点的样本数据。
S104，结合所述第一集合和所述采样点的空间位置关系获取采样区的地球化学元素密度值的第一预测模型，并基于所述第一预测模型和采样区面积获得地球化学元素的第一储量数据。
可以理解的，通过结合第一集合和采样点的位置关系得到地球化学元素密度值的第一预测模型，相较于仅根据采样点的地球化学元素含量密度值的经典统计模型，结合了采样点空间位置关系因素所预测得到的预测结果将更为准确。
图3示出了本申请的实施例提供的获取第一预测模型的流程示意图。
如图3所示，在一些实施例中，所述结合所述第一集合和所述采样点的空间位置关系获取采样区的地球化学元素密度值的第一预测模型包括：
S202，基于所述第一集合和所述采样点的空间位置关系计算地球化学元素储量密度值的经验半变异函数。
基于第一集合和所述采样点的空间位置关系根据经验半变异函数的数学建模方式，能够很好的描述在地球化学元素测算过程中采样点的空间连续变异性，反映土壤性质的不同与碳含量密度值之间的变化。其中，要创建经验半变异函数，确定所有采样点位置对值平方差，将这些位置对绘制成图后(X轴坐标为位置间距，Y轴坐标为平方差的一半)，形成半变异函数云，通过半变异函数云能够探索和量化地球化学元素的储量的密度值与采样点的空间依赖性，进而对距离越近的事物就越相似这一假设进行量化。通常的，经验半变异函数模型通常不受采样点随机采样影响，因为所有的数据都用于生成预测值，有利于提升预测结果的准确率。
S204，利用近似准则筛选目标模型与所述经验半变异函数进行拟合以获取理论半变异函数。
其中，通过利用近似准则筛选目标模型，对经验半变异函数进行拟合获取的理论半变异函数，进而得到预测准确更高的模型。
S206，基于理论半变异函数，利用块克里金法得到采样区的地球化学元素密度值的第一预测模型。
其中，克里金法是建立在变异函数理论及结构分析上，在有限区域内对区域化标量的取值进行线性无偏最优估计的方法，对地球化学元素的储量密度值具有稳定的预测效果，基于理论半变异函数，利用块克里金法得到采样区的地球化学元素密度值的第一预测模型能够提升预测准确率。
图4示出了根据本申请的实施例提供的获取第一储量数据的流程示意图。
进一步地，如图4所示，所述第一储量数据包括所述采样区的地球化学元素的第一储量值和对应的第一标准误，所述基于所述第一预测模型和所述采样区面积获得地球化学元素的第一储量数据包括：
S302，基于所述第一预测模型获取采样区的地球化学元素密度值的第一块克里金预测值和第一方差。
S304，根据所述地球化学元素密度值的块克里金预测值和所述采样区的面积获取所述第一储量值，利用所述地球化学元素密度值的第一方差和所述采样区的面积获取所述第一标准误。
其中，地球化学元素采样区储量值的计算公式为：
SCS＝Mean×S
式中，采样区储量值公式中，SCS为采样区储量值，Mean为克里金预测值(即地球化学元素储量的密度值均值)，S为采样区的区域面积。
地球化学元素标准误的计算公式为：
Figure BDA0004060396780000071
Var为地球化学元素密度值的方差，地球化学元素采样区储量值及其标准误的公式为：SCS±SESCS。
S106，基于所述采样区的第二样本采集结果计算获取第二集合，所述第二集合包括多个与采样点对应的地球化学元素储量的密度值。
S108，结合所述第二集合和所述采样点的空间位置关系获取采样区的地球化学元素密度值的第二预测模型，并基于所述第二预测模型和所述采样区面积获得地球化学元素的第二储量数据。
进一步地，所述结合所述第二集合和所述采样点的空间位置关系获取采样区的地球化学元素密度值的第二预测模型包括：
基于所述第二集合和所述采样点的空间位置关系计算地球化学元素储量密度值的经验半变异函数；
利用近似准则筛选目标模型与所述经验半变异函数进行拟合以获取理论半变异函数；
基于理论半变异函数，利用块克里金法得到采样区的地球化学元素密度值的第二预测模型。
进一步地，所述第二储量数据包括所述采样区的地球化学元素的第二储量值和对应的第二标准误，所述基于所述第二预测模型和所述采样区面积获得地球化学元素的第二储量数据包括：
基于所述第二预测模型获取采样区的地球化学元素密度值的第二块克里金预测值和第二方差；根据所述地球化学元素密度值的块克里金预测值和所述采样区的面积获取所述第二储量值，利用所述地球化学元素密度值的第二方差和所述采样区的面积获取所述第二标准误。
其中，第二储量数据的获取方式和原理与第一储量数据的获取方式和原理相同，详情参考第一储量数据获取的实施例，这里不做赘述。
进一步地，由于第一预测模型和第二预测模型均是对地球化学元素采样区储量值的预测模型，因此第二样本采集结果对应的采样点不必与第一样本采样结果对应的采样点相同。
S110，结合所述第一储量数据和所述第二储量数据获取所述采样区地球化学元素的储量变化量数据。
进一步地，所述结合所述第一储量数据和所述第二储量数据获取所述采样区地球化学元素的储量变化量数据包括：
对所述第一储量值和所述第二储量值求差获得所述采样区的地球化学元素的储量变化量；对所述第一标准误和所述第二标准误进行计算获取所述储量变化量的标准误；
根据所述地球化学元素的储量变化量和所述储量变化量的标准误确定预设显著性水平下所述地球化学元素的储量变化量的置信区间。
其中，由于需要获取采样区地球化学元素的储量变化量，因此两次样本采集结果所对应的为同一区域的不同时期，及第一样本采集结果对应的前期和第二样本采集结果对应的后期。地球化学元素的储量变化量的计算公式为：
SCSd＝SCS2-SCS1
式中，SCS2为第二样本采集结果对应的采样区储量值，SCS1为第一样本采集结果对应的采样区储量值，
地球化学元素的储量变化量的标准误计算公式为：
Figure BDA0004060396780000091
式中，SESCS1为第一储量数据对应的标准误，SESCS2为第二储量数据对应的标准误。
进一步地，取显著性水平α＝0.05，则地球化学元素的储量变化量的置信区间为：[SCSd-1.96SESCSd，SCSd+1.96SESCSd]。如果0位于上述区间内，则不能认为两期之间地球化学元素的储量发生了显著变化。如果该区间上下界均为正值，则认为该采样区地球化学元素的储量增加了，如果该区间上下界均为负值，则认为该采样区地球化学元素的储量减少了。
图5示出了本申请的实施例提供的又一种获取第一预测模型的流程示意图。
进一步地，如图5所示，所述第一集合包括第一训练样本集合，所述第一预测模型通过如下方式进行训练生成：
S402，生成所述第一训练样本集合，其中，所述第一训练样本集合包括预设数量的采样点和所述采样点对应的地球化学元素储量的密度值；
S404，以所述第一训练样本集合中的样本对预设模型进行训练，以所述采样点作为输入，以所述采样点对应的地球化学元素储量的虚拟密度值作为输出，当输出的虚拟密度值与所述地球化学元素储量的密度值的统一率满足预设阈值时，完成所述预设模型的训练并生成第一预测模型。
通过采用上述技术方案，以采样区采集结果得到的地球化学元素储量的密度值作为深度学习模型的训练挤出，训练得到样点对应的地球化学元素储量的虚拟密度值,并根据地球化学元素储量的密度值判断虚拟密度值的真假，进而将判断结果反馈至深度学习模型中，使得深度学习模型后续生成的虚拟密度值更接近地球化学元素储量的密度值，当当输出的虚拟密度值与所述地球化学元素储量的密度值的统一率满足预设阈值时，从而完成所述预设模型的训练并生成第一预测模型。
图6示出了本申请一种获取地球化学元素储量密度值均值和标准误的流程示意图。如图6所示，所述基于所述第一预测模型和采样区面积获得地球化学元素的第一储量数据前包括：
S502，判断所述采样点的采样数量是否超过预设的数量阈值；
S504，若所述采样数量超过所述数量阈值，则根据所述第一集合获取所述所述采样区的地球化学元素储量密度值的均值和标准误；
S506,若所述采样数量未超过所述数量阈值，则通过插值法对所述第一集合进行处理得到预测曲线模型；
S508，根据所述预测曲线模型获取所述采样区的地球化学元素储量密度值均值和标准误。
其中，当采样点的采样数量较少时，则可能导致预测结果不准确，因此通过预设的数量阈值对采样数量进行判断，当采样数量不超过数量阈值时，通过插值法能够处理得到预测准确度更高的预测曲线对地球化学元素储量密度值的均值和标准误进行计算。
进一步的，所述基于采样区的第一样本采集结果计算获取第一集合后，还包括：
判断所述第一集合中的地球化学元素储量的密度值是否存在异常，所述异常包括与采样点对应的地球化学元素储量的密度值是否超出预设范围内，若所述密度值出现异常，则出现对应采样点重新采样提醒。
其中，由于地球化学元素储量的密度值通常采用人工采样的方式采集，通过预设地球化学元素储量的密度值的范围进行判断，从而避免明显异常的密度值对采集结果形成干扰。
以上是关于方法实施例的介绍，以下通过系统实施例，对本申请所述方案进行进一步说明。
图7示出了本申请实施例提供的一种地球化学元素储量变化量的计算系统的结构示意图，计算系统包括：
第一采集模块61，用于基于采样区的第一样本采集结果计算获取第一集合，所述第一集合包括多个与采样点对应的地球化学元素储量的密度值；
第一模型处理模块62，用于结合所述第一集合和所述采样点的空间位置关系获取采样区的地球化学元素密度值的第一预测模型，并基于所述第一预测模型和采样区面积获得地球化学元素的第一储量数据；
第二采集模块63，用于基于所述采样区的第二样本采集结果计算获取第二集合，所述第二集合包括多个与采样点对应的地球化学元素储量的密度值；
第二模型处理模块64，用于结合所述第二集合和所述采样点的空间位置关系获取采样区的地球化学元素密度值的第二预测模型，并基于所述第二预测模型和所述采样区面积获得地球化学元素的第二储量数据；
计算模块65，用于结合所述第一储量数据和所述第二储量数据获取所述采样区地球化学元素的储量变化量数据。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本实施例的实施原理为：
第一采集模块61，用于基于采样区的第一样本采集结果计算获取第一集合，所述第一集合包括多个与采样点对应的地球化学元素储量的密度值；第一模型处理模块62，用于结合所述第一集合和所述采样点的空间位置关系获取采样区的地球化学元素密度值的第一预测模型，并基于所述第一预测模型和采样区面积获得地球化学元素的第一储量数据；第二采集模块63，用于基于所述采样区的第二样本采集结果计算获取第二集合，所述第二集合包括多个与采样点对应的地球化学元素储量的密度值；第二模型处理模块64，用于结合所述第二集合和所述采样点的空间位置关系获取采样区的地球化学元素密度值的第二预测模型，并基于所述第二预测模型和所述采样区面积获得地球化学元素的第二储量数据；计算模块65，用于结合所述第一储量数据和所述第二储量数据获取所述采样区地球化学元素的储量变化量数据。通过本申请能够将采样点的空间异质因素考虑到地球化学元素储量的计算过程中，大幅度的提升了计算结果的准确率，并能给出结果的误差范围。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上均为本申请的较佳实施例，并非依此限制本申请的保护范围，故：凡依本申请的结构、形状、原理所做的等效变化，均应涵盖于本申请的保护范围之内。

Claims (10)

1.一种地球化学元素储量变化量的计算方法，其特征在于，包括：
基于采样区的第一样本采集结果计算获取第一集合，所述第一集合包括多个与采样点对应的地球化学元素储量的密度值；
结合所述第一集合和所述采样点的空间位置关系获取采样区的地球化学元素密度值的第一预测模型，并基于所述第一预测模型和采样区面积获得地球化学元素的第一储量数据；
基于所述采样区的第二样本采集结果计算获取第二集合，所述第二集合包括多个与采样点对应的地球化学元素储量的密度值；
结合所述第二集合和所述采样点的空间位置关系获取采样区的地球化学元素密度值的第二预测模型，并基于所述第二预测模型和所述采样区面积获得地球化学元素的第二储量数据；
结合所述第一储量数据和所述第二储量数据获取所述采样区地球化学元素的储量变化量数据。
2.根据权利要求1所述的计算方法，其特征在于，所述结合所述第一集合和所述采样点的空间位置关系获取采样区的地球化学元素密度值的第一预测模型包括：
基于所述第一集合和所述采样点的空间位置关系计算地球化学元素储量密度值的经验半变异函数；
利用近似准则筛选目标模型与所述经验半变异函数进行拟合以获取理论半变异函数；
基于理论半变异函数，利用块克里金法得到采样区的地球化学元素密度值的第一预测模型。
3.根据权利要求2所述的计算方法，其特征在于，所述第一储量数据包括所述采样区的地球化学元素的第一储量值和对应的第一标准误，所述基于所述第一预测模型和所述采样区面积获得地球化学元素的第一储量数据包括：
基于所述第一预测模型获取采样区的地球化学元素密度值的第一块克里金预测值和第一方差；
根据所述地球化学元素密度值的块克里金预测值和所述采样区的面积获取所述第一储量值，利用所述地球化学元素密度值的第一方差和所述采样区的面积获取所述第一标准误。
4.根据权利要求3所述的计算方法，其特征在于，所述结合所述第二集合和所述采样点的空间位置关系获取采样区的地球化学元素密度值的第二预测模型包括：
基于所述第二集合和所述采样点的空间位置关系计算地球化学元素储量密度值的经验半变异函数；
利用近似准则筛选目标模型与所述经验半变异函数进行拟合以获取理论半变异函数；
基于理论半变异函数，利用块克里金法得到采样区的地球化学元素密度值的第二预测模型。
5.根据权利要求4所述的计算方法，其特征在于，所述第二储量数据包括所述采样区的地球化学元素的第二储量值和对应的第二标准误，所述基于所述第二预测模型和所述采样区面积获得地球化学元素的第二储量数据包括：
基于所述第二预测模型获取采样区的地球化学元素密度值的第二块克里金预测值和第二方差；
根据所述地球化学元素密度值的块克里金预测值和所述采样区的面积获取所述第二储量值，利用所述地球化学元素密度值的第二方差和所述采样区的面积获取所述第二标准误。
6.根据权利要求5所述的计算方法，其特征在于，所述结合所述第一储量数据和所述第二储量数据获取所述采样区地球化学元素的储量变化量数据包括：
对所述第一储量值和所述第二储量值求差获得所述采样区的地球化学元素的储量变化量；
对所述第一标准误和所述第二标准误进行计算获取所述储量变化量的标准误；
根据所述地球化学元素的储量变化量和所述储量变化量的标准误确定预设显著性水平下所述地球化学元素的储量变化量的置信区间。
7.根据权利要求1所述的计算方法，其特征在于，所述第一集合包括第一训练样本集合，所述第一预测模型通过如下方式进行训练生成：
生成所述第一训练样本集合，其中，所述第一训练样本集合包括预设数量的采样点和所述采样点对应的地球化学元素储量的密度值；
以所述第一训练样本集合中的样本对预设模型进行训练，以所述采样点作为输入，以所述采样点对应的地球化学元素储量的虚拟密度值作为输出，当输出的虚拟密度值与所述地球化学元素储量的密度值的统一率满足预设阈值时，完成所述预设模型的训练并生成第一预测模型。
8.根据权利要求1所述的计算方法，其特征在于，所述基于所述第一预测模型和采样区面积获得地球化学元素的第一储量数据包括：
判断所述采样点的采样数量是否超过预设的数量阈值；
若所述采样数量超过所述数量阈值，则根据所述第一集合获取所述所述采样区的地球化学元素储量密度值的均值和标准误；
若所述采样数量未超过所述数量阈值，则通过插值法对所述第一集合进行处理得到预测曲线模型；
根据所述预测曲线模型获取所述采样区的地球化学元素储量密度值均值和标准误。
9.根据权利要求1所述的计算方法，其特征在于，所述基于采样区的第一样本采集结果计算获取第一集合后，还包括：
判断所述第一集合中的地球化学元素储量的密度值是否存在异常，所述异常包括与采样点对应的地球化学元素储量的密度值是否超出预设范围内，若所述密度值出现异常，则出现对应采样点重新采样提醒。
10.一种地球化学元素储量变化量的计算系统，其特征在于，包括：
第一采集模块，用于基于采样区的第一样本采集结果计算获取第一集合，所述第一集合包括多个与采样点对应的地球化学元素储量的密度值；
第一模型处理模块，用于结合所述第一集合和所述采样点的空间位置关系获取采样区的地球化学元素密度值的第一预测模型，并基于所述第一预测模型和采样区面积获得地球化学元素的第一储量数据；
第二采集模块，用于基于所述采样区的第二样本采集结果计算获取第二集合，所述第二集合包括多个与采样点对应的地球化学元素储量的密度值；
第二模型处理模块，用于结合所述第二集合和所述采样点的空间位置关系获取采样区的地球化学元素密度值的第二预测模型，并基于所述第二预测模型和所述采样区面积获得地球化学元素的第二储量数据；
计算模块，用于结合所述第一储量数据和所述第二储量数据获取所述采样区地球化学元素的储量变化量数据。
CN202310055252.3A 2023-02-04 2023-02-04 一种地球化学元素储量变化量的计算方法及系统 Pending CN116206700A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310055252.3A CN116206700A (zh) 2023-02-04 2023-02-04 一种地球化学元素储量变化量的计算方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310055252.3A CN116206700A (zh) 2023-02-04 2023-02-04 一种地球化学元素储量变化量的计算方法及系统

Publications (1)

Publication Number Publication Date
CN116206700A true CN116206700A (zh) 2023-06-02

Family

ID=86516546

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310055252.3A Pending CN116206700A (zh) 2023-02-04 2023-02-04 一种地球化学元素储量变化量的计算方法及系统

Country Status (1)

Country Link
CN (1) CN116206700A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117095216A (zh) * 2023-08-23 2023-11-21 湖北省地质调查院 基于对抗生成网络的模型训练方法、系统、设备及介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117095216A (zh) * 2023-08-23 2023-11-21 湖北省地质调查院 基于对抗生成网络的模型训练方法、系统、设备及介质
CN117095216B (zh) * 2023-08-23 2024-06-04 湖北省地质调查院 基于对抗生成网络的模型训练方法、系统、设备及介质

Similar Documents

Publication Publication Date Title
CN116186634B (zh) 一种建筑工程施工数据智能管理系统
CN108647272B (zh) 一种基于数据分布的小样本扩充对脱丁烷塔底丁烷浓度进行预测的方法
CN108241901B (zh) 一种基于预测数据的变压器预警评估方法及装置
CN117196353B (zh) 基于大数据的环境污染评估与监测方法及系统
WO2006014464A2 (en) Method for quantitative pcr data analysis system (qdas)
CN110889091A (zh) 基于温度敏感区间分段的机床热误差预测方法与系统
CN116206700A (zh) 一种地球化学元素储量变化量的计算方法及系统
CN111125885A (zh) 一种基于改进克里金插值算法的asf修正表构建方法
CN110716500A (zh) 用于确定温度敏感区间分段建模点的方法与系统
CN116985183B (zh) 一种近红外光谱分析仪质量监测管理方法及系统
CN115824993B (zh) 水体化学需氧量的确定方法、装置、计算机设备及介质
CN112734858A (zh) 一种双目标定精度在线检测方法及装置
CN111612734B (zh) 一种基于图像结构复杂度的背景杂波表征方法
CN114691661B (zh) 一种基于同化的云导风、温湿廓线预处理分析方法及系统
CN117314016A (zh) 基于bim技术的水利工程在线监控方法
CN115130369A (zh) 基于数字孪生的变电站设备综合状态评估与主动预警方法
CN118171474A (zh) 一种复合墙板的保温性能检测方法及系统
CN112986948A (zh) 基于InSAR技术的建筑形变监测方法和装置
CN111122813A (zh) 基于区域地下水流场方向的水质类别评价方法
CN116188266A (zh) 一种基于模糊理论与集成学习对地质勘查的空间插值方法
CN107506824B (zh) 一种配电网的不良观测数据检测方法及装置
Олійник et al. Automated system for identification of data distribution laws by analysis of histogram proximity with sample reduction
CN113312587A (zh) 基于arima预测和回归预测的传感器采集数据缺失值处理方法
CN107358655B (zh) 基于离散平稳小波变换的半球面和圆锥面模型的辨识方法
CN107817332B (zh) 一种表征潜在烃源岩后期保存效率的方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination