CN117352092A - 多河流交汇物源源-汇分析方法及分析装置 - Google Patents

多河流交汇物源源-汇分析方法及分析装置 Download PDF

Info

Publication number
CN117352092A
CN117352092A CN202311293018.0A CN202311293018A CN117352092A CN 117352092 A CN117352092 A CN 117352092A CN 202311293018 A CN202311293018 A CN 202311293018A CN 117352092 A CN117352092 A CN 117352092A
Authority
CN
China
Prior art keywords
mineral
heavy
samples
minerals
content
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
CN202311293018.0A
Other languages
English (en)
Inventor
胡建波
陈思
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.)
China University of Geosciences
Original Assignee
China University of Geosciences
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 China University of Geosciences filed Critical China University of Geosciences
Priority to CN202311293018.0A priority Critical patent/CN117352092A/zh
Publication of CN117352092A publication Critical patent/CN117352092A/zh
Pending legal-status Critical Current

Links

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
    • G16C20/70—Machine learning, data mining or chemometrics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2337—Non-hierarchical techniques using fuzzy logic, i.e. fuzzy clustering

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Databases & Information Systems (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Automation & Control Theory (AREA)
  • Evolutionary Biology (AREA)
  • Mathematical Physics (AREA)
  • Fuzzy Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)

Abstract

本发明公开一种多河流交汇物源源‑汇分析方法及分析装置，多河流交汇物源源‑汇分析方法包括：获取研究区域中各矿物样品中各重矿物的含量，研究区域为多个河流的汇集区域；根据重矿物赋值公式计算各矿物样品的重矿物含量之和，并根据计算结果对研究区域中的矿物样品进行分类，以及分析各类型矿物的物源方向；根据矿物样品的分类结果，采用比值法对各类型矿物中的矿物样品进行聚类分析，得到聚类图；基于聚类图，并结合各类型矿物的物源方向和研究区域的地质特征，采用模糊聚类分析法确定研究区域内各类型矿物中各矿物样品的物源方向；能够进一步精细物源方向的划分，提高物源源‑汇分析结果的准确度、和分析操作便捷性。

Description

多河流交汇物源源-汇分析方法及分析装置
技术领域
本发明涉及地球化学勘探以及沉积学技术领域，具体涉及一种多河流交汇物源源-汇分析方法及分析装置。
背景技术
在多河流交汇物源方向问题的研究中，物源的分析对于古水流、古地貌以及油气勘探等具有一定的指示性作用。经文献调研，现阶段物源的源-汇主要采用古地貌、古水流方向、单矿物或重矿物组合进行描述或半定量分析。然而，可能受资料采集等因素的影响，难以恢复研究区湖盆古地貌，无法用前两种方法进行下一步的分析；单矿物与重矿物组合可以大致清楚物源方向，但是对于同类型矿物物源交汇处的矿物难以分辨其具体物源方向，且缺乏定量化参数指标，和可复制的定量化流程。
发明内容
本发明的主要目的是提出一种多河流交汇物源源-汇分析方法及分析装置，旨在解决上述问题。
为实现上述目的，本发明提出的一种多河流交汇物源源-汇分析方法，所述多河流交汇物源源-汇分析方法包括以下步骤：
获取研究区域中各矿物样品中各重矿物的含量，所述研究区域为多个河流的汇集区域；
根据重矿物赋值公式计算各所述矿物样品的重矿物含量之和，并根据计算结果对所述研究区域中的矿物样品进行分类，以及分析各类型矿物的物源方向；
根据矿物样品的分类结果，采用比值法对各类型矿物中的矿物样品进行聚类分析，得到聚类图；
基于聚类图，并结合各类型矿物的物源方向和所述研究区域的地质特征，采用模糊聚类分析法确定所述研究区域内各类型矿物中各矿物样品的物源方向。
可选地，所述获取研究区域中各矿物样品中的各重矿物含量步骤具体包括：
在所述研究区域的五级层序进行取样，获取多个矿物样品；
根据重矿物含量公式计算各所述矿物样品中各重矿物的含量，所述重矿物含量公式为：
式中，hl为一矿物样品中第l种重矿物的含量；
ml为该矿物样品中第l种重矿物元素的质量，单位为g；
m为该矿物样品的总质量，单位为g。
可选地，所述根据重矿物赋值公式计算各所述矿物样品的重矿物含量之和，并根据计算结果对所述研究区域中的矿物样品进行分类，以及分析各类型矿物的物源方向步骤具体包括：
基于各所述矿物样品中各重矿物含量的计算结果，根据重矿物赋值公式计算各所述矿物样品的重矿物含量之和，得到重矿物总含量数值；
统计多个所述矿物样品的重矿物总含量计算结果，并将计算结果中重矿物总含量数值具有相同整数位的矿物样品划分为同类型矿物；
根据各类型矿物中的各矿物样品的重矿物总含量数值的小数位数值，并结合所述矿物样品的取样位置，分析同类型矿物中的矿物样品的物源方向，同类型矿物中多个矿物样品沿小数位数值变大的位置分布方向为该类型矿物的来源方向，同类型矿物中多个矿物样品沿小数位数值变小的位置分布方向为该类型矿物的汇集方向。
可选地，所述重矿物赋值公式为：
Hl＝2l-1+hl；
式中，n为矿物样品k中所含的重矿物的数量；
Hl为第l种重矿物的含量赋值后的数值，无量纲；
Zk为矿物样品k中所含的重矿物的总含量。
可选地，所述根据矿物样品的分类结果，采用比值法对各类型矿物中的矿物样品进行聚类分析，得到聚类图步骤具体包括：
采用比值公式计算各矿物样品中的任意两种重矿物的含量比值，得到比值数列；
基于各类型矿物中多个矿物样品的比值数列，采用最大最小法构建各类型矿物的模糊相似矩阵；
计算各模糊相似矩阵的传递闭包，并基于所述传递闭包获取各类型矿物中任意两个所述矿物样品之间的相似度，得到聚类图。
可选地，所述比值公式为：
式中，hki为矿物样品k中第i种重矿物的含量；
hkj为矿物样品k中第j种重矿物的含量；
hij为矿物样品k中第i种重矿物含量与第j种重矿物含量的比值。
可选地，所述模糊相似矩阵为：
式中，ha为矿物样品a中第i种重矿物含量与第j种重矿物含量的比值；
hb为矿物样品b中第i种重矿物含量与第j种重矿物含量的比值。
可选地，所述计算各模糊相似矩阵的传递闭包，并基于所述传递闭包获取各类型矿物中任意两个所述矿物样品之间的相似度，得到聚类图步骤具体包括：
采用传递闭包公式计算各模糊相似矩阵的传递闭包R；
基于所述传递闭包r，采用欧几里得公式各类型矿物中任意两个所述矿物样品之间的相似度；
根据计算结果得到聚类图。
可选地，所述传递闭包公式为：
式中，m为各类型矿物中矿物样品的数量；
R为各模糊相似矩阵的传递闭包；
所述欧几里得公式为：
式中，m为各类型矿物中矿物样品的数量；
Xa为矿物样品a的一维向量观测值；
Xb为矿物样品b的一维向量观测值；
d(Xa，Xb)为矿物样品a与矿物样品b之间的距离。
本发明还提供一种多河流交汇物源源-汇分析装置，所述多河流交汇物源源-汇分析装置包括：
重矿物含量获取模块，用于获取研究区域中各矿物样品中各重矿物的含量；
矿物分类模块，用于根据重矿物赋值公式计算各所述矿物样品的重矿物含量之和，并根据计算结果对所述研究区域中的矿物样品进行分类，以及分析各类型矿物的物源方向；
聚类分析模块，用于根据所述矿物样品的分类结果，采用比值法对各类型矿物中的矿物样品进行聚类分析，得到聚类图；以及
物源方向确定模块，用于基于所述聚类图，并结合各类型矿物的物源方向和所述研究区域的地质特征，采用模糊聚类分析法确定所述研究区域内各类型矿物中各矿物样品的物源方向。
本发明的技术方案中，通过对单个重矿物含量与重矿物组合含量的赋值计算，首先大致量化区分不同类型的物源方向以及判断古水流方向，再在此基础上利用聚类分析法对同一类型的同种物源聚类，进一步精细了物源方向的划分，解决了现有物源方向划分受人为主观因素控制的问题，提高物源划分的准确度与便捷性；将沉积学、地球化学特征与聚类分析结合量化分析物源，具有可操作性强、方便复制与推广、结果较为精确的特点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。
图1为本发明提供的多河流交汇物源源-汇分析方法的一实施例的流程图；
图2为图1中步骤S100的流程图；
图3为图1中步骤S200的流程图；
图4为图1中中步骤S300的流程图；
图5为图4中中步骤S330的流程图；
图6为本发明具体实施中34个矿物样品中重矿物含量数据的统计表；
图7为本发明具体实施中研究区域的西北部的物源聚类图；
图8为本发明具体实施中研究区域的西北部的物源源-汇分析图；
图9为本发明提供的多河流交汇物源源-汇分析装置的一实施例的结构示意图。
附图标号说明：
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，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作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。
需要说明，若本发明实施例中有涉及方向性指示(诸如上、下、左、右、前、后……)，则该方向性指示仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。
另外，若本发明实施例中有涉及“第一”、“第二”等的描述，则该“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，全文中出现的“和/或”的含义，包括三个并列的方案，以“A和/或B”为例，包括A方案、或B方案、或A和B同时满足的方案。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。
在多河流交汇物源方向问题的研究中，物源的分析对于古水流、古地貌以及油气勘探等具有一定的指示性作用。经文献调研，现阶段物源的源-汇主要采用古地貌、古水流方向、单矿物或重矿物组合进行描述或半定量分析。然而，可能受资料采集等因素的影响，难以恢复研究区湖盆古地貌，无法用前两种方法进行下一步的分析；单矿物与重矿物组合可以大致清楚物源方向，但是对于同类型矿物物源交汇处的矿物难以分辨其具体物源方向，且缺乏定量化参数指标，和可复制的定量化流程。
鉴于此，本发明提供一种多河流交汇物源源-汇分析方法，图1至图5为本发明提供的多河流交汇物源源-汇分析方法一实施例。在本发明一具体实施例中，以鄂尔多斯盆地天环坳陷西南部为研究区域进行具体分析。
请参阅图1，所述多河流交汇物源源-汇分析方法包括以下步骤：
步骤S100、获取研究区域中各矿物样品中各重矿物的含量，所述研究区域为多个河流的汇集区域。
在该步骤中，主要是对在所述研究区域进行取样获得的多个矿物样品的重矿物数据进行统计与分析。
进一步地，请参阅图2，所述步骤S100具体包括：
步骤S110、在所述研究区域的五级层序进行取样，获取多个矿物样品。
在该步骤中，通过对所述研究区域的五级层序进行取样，解决时间问题，使得采样获得的多个矿物样品的母岩基本相同。
在本发明的具体实施例中，对鄂尔多斯盆地天环坳陷西南部的位于延长组长63段(五级层序)进行取样，获取34个所述矿石样品(如图6所示的W1-W34)。
步骤S120、根据重矿物含量公式计算各所述矿物样品中各重矿物的含量，所述重矿物含量公式为：
式中，hl为一矿物样品中第l种重矿物的含量；
ml为该矿物样品中第l种重矿物元素的质量，单位为g；
m为该矿物样品的总质量，单位为g。
在本发明的具体实施例中，34个所述矿物样品即矿物样品W1-W34分别包括锆石、金红石、白钛矿、以及赤铁矿四种重矿物元素中至少之一。更具体的，根据图1的统计结果可得，矿物样品W1-W25均包括锆石、金红石、以及白钛矿三种重矿物元素，即矿物样品W1-W25均需要计算锆石、金红石、以及白钛矿的含量；矿物样品W26-W31均包括锆石、白钛矿、以及赤铁矿三种重矿物元素，即矿物样品W26-W31均需要计算锆石、白钛矿、以及赤铁矿的含量；矿物样品W32包括锆石、以及赤铁矿两种重矿物元素，即矿物样品W32需要计算锆石、以及赤铁矿的含量；矿物样品W33-W34均包括白钛矿、以及赤铁矿两种重矿物元素，即矿物样品W33-W34均需要计算白钛矿、以及赤铁矿的含量(如图6所示)。
步骤S200、根据重矿物赋值公式计算各所述矿物样品的重矿物含量之和，并根据计算结果对所述研究区域中的矿物样品进行分类，以及分析各类型矿物的物源方向。
进一步地，请参阅图3，所述步骤S200具体包括：
步骤S210、基于各所述矿物样品中各重矿物含量的计算结果，根据重矿物赋值公式计算各所述矿物样品的重矿物含量之和，得到重矿物总含量数值。
步骤S220、统计多个所述矿物样品的重矿物总含量计算结果，并将计算结果中重矿物总含量数值具有相同整数位的矿物样品划分为同类型矿物。
步骤S230、根据各类型矿物中的各矿物样品的重矿物总含量数值的小数位数值，并结合所述矿物样品的取样位置，分析同类型矿物中的矿物样品的物源方向，同类型矿物中多个矿物样品沿小数位数值变大的位置分布方向为该类型矿物的来源方向，同类型矿物中多个矿物样品沿小数位数值变小的位置分布方向为该类型矿物的汇集方向。
更具体的，所述重矿物赋值公式为：
Hl＝2l-1+hl， (2)
式中，n为矿物样品k中所含的重矿物的数量；
Hl为第l种重矿物的含量赋值后的数值，无量纲；
Zk为矿物样品k中所含的重矿物的总含量。
本发明是通过对所述矿物样品的重矿物总含量的数值进行分类，也就是说对多个矿物样品进行区间划分，而为了提高分类的准确性，对此，通过所述重矿物赋值公式对各重矿物含量进行赋值，使得各重矿物含量赋值后的数值即Hl分别落入[1,2)，[2,3)，[4,5)，[8,9)，[16,17)，…，[2l-1,2l-1+1)区间之内，进而使得不同类型的矿物样品的重矿物总含量的数值落入不同区间内，实现矿物样品的高效分类。
在本发明的具体实施例中，34个所述矿物样品即矿物样品W1-W34分别包括锆石、金红石、白钛矿、以及赤铁矿四种重矿物元素中至少之一。对此，以锆石、金红石、白钛矿、以及赤铁矿四种重矿物元素为例对所述重矿物赋值公式进行具体说明。
将锆石作为第1种重矿物元素，则其赋值公式为H1＝21-1+h1＝1+h1；
将金红石作为第2种重矿物元素，则其赋值公式为H2＝22-1+h2＝2+h2；
将白钛矿作为第3种重矿物元素，则其赋值公式为H3＝23-1+h3＝4+h3；
将赤铁矿作为第4种重矿物元素，则其赋值公式为H4＝24-1+h4＝8+h1；
如此，再结合图6统计的数据可得，矿物样品W1中所含的重矿物的总含量为矿物样品W12中所含的重矿物的总含量为/>矿物样品W25中所含的重矿物的总含量为/>矿物样品W26中所含的重矿物的总含量为/>矿物样品W31中所含的重矿物的总含量为/>矿物样品W33中所含的重矿物的总含量为/>如此，对矿物样品W1-W34所含的重矿物的总含量分别进行计算，然后根据重矿物总含量数值的整数位对多个所述矿物样品进行分类，具体的，矿物样品W1-W25所含的重矿物的总含量数值的整数位均为7，即可划分为一类，矿物样品W26-W31所含的重矿物的总含量的整数位均为13，即可划分为一类，矿物样品W33-W34所含的重矿物的总含量的整数位均为12，即可划分为一类，矿物样品W32所含的重矿物的总含量的整数位为9，即可划分为一类。也就是说，矿物样品W1-W34划分为四种类型矿物。
然后，根据各类矿物矿物样品的重矿物总含量数值的小数位数值，分析得到该类型矿物的汇集方向，在本发明具体实施例中，经过综合分析得出，所述研究区域存在来自西部、西北部、西南部、北部以及东北部五个方向的物源供给，也即，所述研究区域内矿物的物源方向包括西部、西北部、西南部、北部以及东北部五个方向，即可反映出多个河流的基本走向。
步骤S300、根据矿物样品的分类结果，采用比值法对各类型矿物中的矿物样品进行聚类分析，得到各类型矿物的聚物图。
在该步骤中，由于不同方向的同类型物源在不同的环境导致它们的比例不同，但是矿物在物源处，经某一河流流向汇集区域，重矿物之间的比例基本维持在一定的比例，因此可以根据这些特征比值划分，确定同类型矿物中哪些矿物样品是经同一河流流向汇集区域的。
进一步地，请参阅图4，所述步骤S300具体包括：
步骤S310、采用比值公式计算各矿物样品中的任意两种重矿物的含量比值，得到比值数列。
具体的，所述比值公式为：
式中，hki为矿物样品k中第i种重矿物的含量；
hkj为矿物样品k中第j种重矿物的含量；
hij为矿物样品k中第i种重矿物含量与第j种重矿物含量的比值。
需要说明的是，任意两种重矿物的含量比值不分次序，以锆石和金红石为例，若已计算了，则不再计算金红石/锆石。
步骤S320、基于各类型矿物中多个矿物样品的比值数列，采用最大最小法构建各类型矿物的模糊相似矩阵。
进一步地，所述模糊相似矩阵为：
式中，ha为矿物样品a中第i种重矿物含量与第j种重矿物含量的比值；
hb为矿物样品b中第i种重矿物含量与第j种重矿物含量的比值。
在本发明的具体实施中，采用最大最小法构建同类型矿物(矿物样品W1-W25)的模糊相似矩阵为：
步骤S330、计算各模糊相似矩阵的传递闭包，并基于所述传递闭包获取各类型矿物中任意两个所述矿物样品之间的相似度，得到聚类图。
进一步地，请参阅图5，所述步骤S330具体包括：
步骤S331、采用传递闭包公式计算各模糊相似矩阵的传递闭包R。
进一步地，所述传递闭包公式为：
式中，m为各类型矿物中矿物样品的数量；
R为各模糊相似矩阵的传递闭包；
在本发明具体实施例中，同类型矿物(矿物样品W1-W25)包括25个矿物样品，即m＝25，对应的，则，
步骤S332、基于所述传递闭包r，采用欧几里得公式各类型矿物中任意两个所述矿物样品之间的相似度。
进一步地，所述欧几里得公式为：
式中，m为各类型矿物中矿物样品的数量；
Xa为矿物样品a的一维向量观测值；
Xb为矿物样品b的一维向量观测值；
d(Xa，Xb)为矿物样品a与矿物样品b之间的距离。
步骤S333、根据计算结果得到聚类图。
在本发明具体实施例中，根据相似度计算结果得到的聚类图如图7所示。根据聚类图可得，矿物样品W15、W21、W13、W10、W17、W16、W9和W12来自于同一河流，矿物样品W7、W11、W8、W18、W19和W20来自于同一河流，矿物样品W4、W5和W6来自于同一河流，矿物样品W1、W14、W2、W3、W23、W22、W24和W25来自于同一河流。
步骤S400、基于聚类图，并结合各类型矿物的物源方向和所述研究区域的地质特征，采用模糊聚类分析法确定所述研究区域内各类型矿物中各矿物样品的物源方向。
在本发明具体实施例中，基于聚类图，结合所述步骤S200得到的各类型矿物的物源方向的分析结果、和所述研究区域的地质特征，对各同种类型矿物构建的模糊相似矩阵取值0.34，进行模糊聚类分析(如图8所示)可得，矿物样品W15、W21、W13、W10、W17、W16、W9和W12(图8中三角形标出)主要来自西南部河流物源；矿物样品W7、W11、W8、W18、W19和W20(图8中正方形标出)主要来自西北部河流物源；矿物样品W4、W5和W6主要来自北北西部河流物源(图8中五边形标出)；矿物样品W1、W14、W2、W3、W23、W22、W24和W25(图8中五角星形标出)主要来自西部河流物源。
需要说明的是，在所述步骤S400之后还包括：
步骤S500、将所述步骤S400得到的各矿物样品的物源方向结果与所述步骤S200得到的重矿物含量数值分布结果进行对比分析。
如此，提高经步骤S400得到的多河流交汇物源源-汇分析结果的准确性。
在本发明的技术方案中，通过对单个重矿物含量与重矿物组合含量的赋值计算，首先大致量化区分不同类型的物源方向以及判断古水流方向，再在此基础上利用聚类分析法对同一类型的同种物源聚类，进一步精细了物源方向的划分，解决了现有物源方向划分受人为主观因素控制的问题，提高物源划分的准确度与便捷性；将沉积学、地球化学特征与聚类分析结合量化分析物源，具有可操作性强、方便复制与推广、结果较为精确的特点。
本发明还提供一种多河流交汇物源源-汇分析装置100，采用上文所述的多河流交汇物源源-汇分析方法，请参阅图9，所述多河流交汇物源源-汇分析装置100包括重矿物含量获取模块1、矿物分类模块2、聚类分析模块3、以及物源方向确定模块4，所述重矿物含量获取模块1用于获取研究区域中各矿物样品中各重矿物的含量；所述矿物分类模块2用于根据重矿物赋值公式计算各所述矿物样品的重矿物含量之和，并根据计算结果对所述研究区域中的矿物样品进行分类，以及分析各类型矿物的物源方向；所述聚类分析模块3用于根据所述矿物分类模块2输出的分类结果，采用比值法对各类型矿物中的矿物样品进行聚类分析，得到聚类图；所述物源方向确定模块4用于基于所述聚类分析模块3输出的聚类图，并结合所述矿物分类模块2输出的各类型矿物的物源方向和所述研究区域的地质特征，采用模糊聚类分析法确定所述研究区域内各类型矿物中各矿物样品的物源方向。
以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是在本发明的发明构思下，利用本发明说明书及附图内容所作的等效结构变换，或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围内。

Claims (10)

1.一种多河流交汇物源源-汇分析方法，其特征在于，所述多河流交汇物源源-汇分析方法包括以下步骤：
获取研究区域中各矿物样品中各重矿物的含量，所述研究区域为多个河流的汇集区域；
根据重矿物赋值公式计算各所述矿物样品的重矿物含量之和，并根据计算结果对所述研究区域中的矿物样品进行分类，以及分析各类型矿物的物源方向；
根据矿物样品的分类结果，采用比值法对各类型矿物中的矿物样品进行聚类分析，得到聚类图；
基于聚类图，并结合各类型矿物的物源方向和所述研究区域的地质特征，采用模糊聚类分析法确定所述研究区域内各类型矿物中各矿物样品的物源方向。
2.如权利要求1所述的多河流交汇物源源-汇分析方法，其特征在于，所述获取研究区域中各矿物样品中的各重矿物含量步骤具体包括：
在所述研究区域的五级层序进行取样，获取多个矿物样品；
根据重矿物含量公式计算各所述矿物样品中各重矿物的含量，所述重矿物含量公式为：
式中，hl为一矿物样品中第l种重矿物的含量；
ml为该矿物样品中第l种重矿物元素的质量，单位为g；
m为该矿物样品的总质量，单位为g。
3.如权利要求1所述的多河流交汇物源源-汇分析方法，其特征在于，所述根据重矿物赋值公式计算各所述矿物样品的重矿物含量之和，并根据计算结果对所述研究区域中的矿物样品进行分类，以及分析各类型矿物的物源方向步骤具体包括：
基于各所述矿物样品中各重矿物含量的计算结果，根据重矿物赋值公式计算各所述矿物样品的重矿物含量之和，得到重矿物总含量数值；
统计多个所述矿物样品的重矿物总含量计算结果，并将计算结果中重矿物总含量数值具有相同整数位的矿物样品划分为同类型矿物；
根据各类型矿物中的各矿物样品的重矿物总含量数值的小数位数值，并结合所述矿物样品的取样位置，分析同类型矿物中的矿物样品的物源方向，同类型矿物中多个矿物样品沿小数位数值变大的位置分布方向为该类型矿物的来源方向，同类型矿物中多个矿物样品沿小数位数值变小的位置分布方向为该类型矿物的汇集方向。
4.如权利要求3所述的多河流交汇物源源-汇分析方法，其特征在于，所述重矿物赋值公式为：
Hl＝2l-1+hl；
式中，n为矿物样品k中所含的重矿物的数量；
Hl为第l种重矿物的含量赋值后的数值，无量纲；
Zk为矿物样品k中所含的重矿物的总含量。
5.如权利要求3所述的多河流交汇物源源-汇分析方法，其特征在于，所述根据矿物样品的分类结果，采用比值法对各类型矿物中的矿物样品进行聚类分析，得到聚类图步骤具体包括：
采用比值公式计算各矿物样品中的任意两种重矿物的含量比值，得到比值数列；
基于各类型矿物中多个矿物样品的比值数列，采用最大最小法构建各类型矿物的模糊相似矩阵；
计算各模糊相似矩阵的传递闭包，并基于所述传递闭包获取各类型矿物中任意两个所述矿物样品之间的相似度，得到聚类图。
6.如权利要求5所述的多河流交汇物源源-汇分析方法，其特征在于，所述比值公式为：
式中，hki为矿物样品k中第i种重矿物的含量；
hkj为矿物样品k中第j种重矿物的含量；
hij为矿物样品k中第i种重矿物含量与第j种重矿物含量的比值。
7.如权利要求5所述的多河流交汇物源源-汇分析方法，其特征在于，所述模糊相似矩阵为：
式中，ha为矿物样品a中第i种重矿物含量与第j种重矿物含量的比值；
hb为矿物样品b中第i种重矿物含量与第j种重矿物含量的比值。
8.如权利要求7所述的多河流交汇物源源-汇分析方法，其特征在于，所述计算各模糊相似矩阵的传递闭包，并基于所述传递闭包获取各类型矿物中任意两个所述矿物样品之间的相似度，得到聚类图步骤具体包括：
采用传递闭包公式计算各模糊相似矩阵的传递闭包R；
基于所述传递闭包r，采用欧几里得公式各类型矿物中任意两个所述矿物样品之间的相似度；
根据计算结果得到聚类图。
9.如权利要求8所述的多河流交汇物源源-汇分析方法，其特征在于，所述传递闭包公式为：
式中，m为各类型矿物中矿物样品的数量；
R为各模糊相似矩阵的传递闭包；
所述欧几里得公式为：
式中，m为各类型矿物中矿物样品的数量；
Xa为矿物样品a的一维向量观测值；
Xb为矿物样品b的一维向量观测值；
d(Xa，Xb)为矿物样品a与矿物样品b之间的距离。
10.一种多河流交汇物源源-汇分析装置，其特征在于，所述多河流交汇物源源-汇分析装置包括：
重矿物含量获取模块，用于获取研究区域中各矿物样品中各重矿物的含量；
矿物分类模块，用于根据重矿物赋值公式计算各所述矿物样品的重矿物含量之和，并根据计算结果对所述研究区域中的矿物样品进行分类，以及分析各类型矿物的物源方向；
聚类分析模块，用于根据所述矿物样品的分类结果，采用比值法对各类型矿物中的矿物样品进行聚类分析，得到聚类图；以及
物源方向确定模块，用于基于所述聚类图，并结合各类型矿物的物源方向和所述研究区域的地质特征，采用模糊聚类分析法确定所述研究区域内各类型矿物中各矿物样品的物源方向。
CN202311293018.0A 2023-09-28 2023-09-28 多河流交汇物源源-汇分析方法及分析装置 Pending CN117352092A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311293018.0A CN117352092A (zh) 2023-09-28 2023-09-28 多河流交汇物源源-汇分析方法及分析装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311293018.0A CN117352092A (zh) 2023-09-28 2023-09-28 多河流交汇物源源-汇分析方法及分析装置

Publications (1)

Publication Number Publication Date
CN117352092A true CN117352092A (zh) 2024-01-05

Family

ID=89356856

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311293018.0A Pending CN117352092A (zh) 2023-09-28 2023-09-28 多河流交汇物源源-汇分析方法及分析装置

Country Status (1)

Country Link
CN (1) CN117352092A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117828379A (zh) * 2024-03-05 2024-04-05 山东省地质测绘院 基于多源数据融合的地下资源探测方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117828379A (zh) * 2024-03-05 2024-04-05 山东省地质测绘院 基于多源数据融合的地下资源探测方法
CN117828379B (zh) * 2024-03-05 2024-05-07 山东省地质测绘院 基于多源数据融合的地下资源探测方法

Similar Documents

Publication Publication Date Title
Neff RQ‐mode principal components analysis of ceramic compositional data
US10289802B2 (en) Spanning-tree progression analysis of density-normalized events (SPADE)
Tan et al. Random forest–based estimation of heavy metal concentration in agricultural soils with hyperspectral sensor data
JP7057913B2 (ja) ビッグデータ解析方法及び該解析方法を利用した質量分析システム
Gundersen The nucleator
Lepeltier A simplified statistical treatment of geochemical data by graphical representation.
Luedtke The identification of sources of chert artifacts
Young et al. Defining geographic soil bodies by landscape position, soil taxonomy, and cluster analysis
Frahm et al. Ten seconds in the field: rapid Armenian obsidian sourcing with portable XRF to inform excavations and surveys
CN117352092A (zh) 多河流交汇物源源-汇分析方法及分析装置
CN103473786B (zh) 基于多目标模糊聚类的灰度图像分割方法
JPH05149863A (ja) 粒子計数方法
JP3213097B2 (ja) 粒子分析装置及び方法
WO2010063570A1 (en) Method and system for identifying rocks
Johnsson Structures in high-dimensional data: Intrinsic dimension and cluster analysis
CN107807221A (zh) 一种地球化学普查实验室样品分析的异常点抽查检查方法
Newlander et al. Integrating visual and chemical data to source chert artifacts in the North American Great Basin
Camalan et al. Assessment of chromite liberation spectrum on microscopic images by means of a supervised image classification
CN115270874A (zh) 一种基于密度估计的流式细胞分类和计数的方法和系统
Girard et al. Automated gold grain counting. Part 1: Why counts matter!
CN1187626C (zh) 多元素优化集合控制找矿勘查方法
Webster Wilks's Criterion: a measure for comparing the value of general purpose soil classifications
Coelho et al. Principles of bioimage informatics: focus on machine learning of cell patterns
CN115186074B (zh) 基于Meta分析的模拟土壤pH值空间分布格局的方法
CN102144153A (zh) 用于分类、显示并探查生物数据的方法和装置

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