CN118210074A - 基于证据权重及层次分析的地热资源有利区预测方法 - Google Patents
基于证据权重及层次分析的地热资源有利区预测方法 Download PDFInfo
- Publication number
- CN118210074A CN118210074A CN202410636036.2A CN202410636036A CN118210074A CN 118210074 A CN118210074 A CN 118210074A CN 202410636036 A CN202410636036 A CN 202410636036A CN 118210074 A CN118210074 A CN 118210074A
- Authority
- CN
- China
- Prior art keywords
- geothermal
- weight
- evidence
- influence
- resource
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000002349 favourable effect Effects 0.000 title claims abstract description 26
- 238000004458 analytical method Methods 0.000 title claims description 20
- 238000011160 research Methods 0.000 claims abstract description 17
- 239000011435 rock Substances 0.000 claims abstract description 9
- 230000005484 gravity Effects 0.000 claims abstract description 8
- 230000020169 heat generation Effects 0.000 claims abstract description 8
- 239000011159 matrix material Substances 0.000 claims description 30
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000012360 testing method Methods 0.000 claims description 9
- 230000015572 biosynthetic process Effects 0.000 claims description 7
- 230000009286 beneficial effect Effects 0.000 claims description 5
- 238000010586 diagram Methods 0.000 claims description 4
- 238000010998 test method Methods 0.000 claims description 3
- 238000005553 drilling Methods 0.000 abstract description 3
- 238000011156 evaluation Methods 0.000 description 7
- 239000003086 colorant Substances 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于证据权重及层次分析的地热资源有利区预测方法,通过获取研究区内温泉温度、大地热流、岩石生热率、断裂分布、DEM90M高程、布格重力异常和地震震中震级数据作为地热影响因子,得到研究区不同地热影响因子的展布图,采用证据权重法和层次分析法确定各地热影响因子的证据权重和层次分析权重,并综合叠加形成各地热影响因子的综合权重,基于加权求和后的地热影响因子得到研究区地热资源有利区分布图。该方法既能充分利用模型的客观信息又能够结合主观经验综合判定地热资源有利区,可以避免使用昂贵的钻井、地球物理等资料,地热资源潜力预测方法更加经济便捷。
Description
技术领域
本发明涉及地质资源普查勘探技术领域,具体为一种基于证据权重及层次分析的地热资源有利区预测方法。
背景技术
传统对地热资源的预测严重依赖于钻井、地质、地球物理、地球化学等数据。此类数据的获取不但耗费大量的时间、巨额投资费用,同时后期对数据的处理也十分费时费力且易受限于地质解释人员水平,数据精准度也难以把控。
随着地理信息系统、遥感以及计算机技术的不断发展,GIS已经广泛应用到地质灾害评估、环境行为决策和资源预测之中了,但其在地热等新能源资源方面的预测仍在逐步发展及完善之中。基于GIS和模糊逻辑的地热资源潜力评价(2016年全国工程地质学术年会论文集,2016:6),使用模糊逻辑模型建立地震震中、断裂、侵入岩等多个参数对福建省地热潜力开展了评价。基于GIS信息量模型的地热潜力区评价研究——以云南腾冲地区为例(工程地质学报,2018,26(02):540-550),利用公开数据地堑、地表温度、磁异常等控制因素建立起信息量模型用以预测地热潜在区。过去的评价模型往往采用布尔逻辑、模糊逻辑、信息量、层次分析等模型对其参数数据进行分析并赋予权重,其模型建立会由于选取方法的原因对有利区预测产生不同的影响因素,如布尔、模糊逻辑往往会忽略掉部分的数据信息、无法考虑不同因素的影响大小、客观现状的忽视等问题。
发明内容
本发明的目的在于提供一种基于证据权重与层次分析模型共同进行地热资源有利区评价的方法,采用影响因子权重综合计算方法,增强权重分配的准确性,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
基于证据权重及层次分析的地热资源有利区预测方法,包括以下步骤:
步骤一:获取研究区内温泉温度、大地热流、岩石生热率、断裂分布、DEM90M高程、布格重力异常和地震震中震级数据作为地热影响因子;
步骤二:通过地理信息系统处理步骤一获取到的地热影响因子数据,获得研究区不同地热影响因子的展布图;
步骤三:在步骤二展布图的基础上,采用证据权重法分析各地热影响因子对地热影响的大小,确定各地热影响因子的证据权重;
步骤四:在步骤二展布图的基础上,采用层次分析法分析各地热影响因子对地热影响的大小,确定各地热影响因子的层次分析权重;
步骤五:对各地热影响因子的证据权重和层次分析权重进行综合叠加,形成各地热影响因子的综合权重,将各展布图地热影响因子与其综合权重相乘再求和,基于加权求和后的地热影响因子得到研究区地热资源有利区分布图。
进一步的,所述步骤二中,针对温泉温度、岩石生热率、大地热流、DEM90M高程、布格重力异常和地震震中震级数据采用反距离权重法进行插值生成研究区展布图,对展布图数值范围分为m类区间。
进一步的,所述步骤二中,针对断裂分布数据进行欧式距离计算,计算各温泉地热点至断裂的欧氏距离展布图,对展布图数值范围分为m类区间。
进一步的,所述步骤三中,证据权重法通过计算不同地热影响因子的证据权重来表征其对地热有利区的影响大小,证据权重计算如下:
;
式中:B为各展布图m类区间中每类区间含有温泉地热点的栅格总数,为各展布图m类区间中每类区间不含有温泉地热点的栅格总数;D为所有含有温泉地热点的栅格总数,为所有不含有温泉地热点的栅格总数;/>为含有温泉地热点的分类区间的权重,为不含有温泉地热点的分类区间的权重;
C为温泉地热点与地热影响因子之间的相关性,C的计算公式如下:
;
式中: C为证据权重相关度,当C>0时,表示温泉地热点对地热形成有利; 当C<0时,表示温泉地热点对地热形成不利;当C=0时,表示温泉地热点无指示意义;
将多个地热影响因子展布图中m类区间的C的最大值进行归一化获得不同地热影响因子的证据权重。
进一步的,所述步骤四中,层次分析法将地热影响因子分解成目标、准则和方案层次,层次分析法确定权重的步骤如下:
1)构造判断矩阵,将地热影响因子进行两两对比,并按其重要性程度评定等级和赋分;
2)计算重要性排序,根据1)中的判断矩阵求出矩阵的最大特征根所对应的特征向量/>,即不同地热影响因子所对应的层次分析权重;
3)进行一致性检验,对层次分析权重分配是否合理进行一致性检验,检验方法如下:
CR=CI/RI;
CI=(λmax-n)/(n-1);
式中,CR为判断矩阵的随机一致性比率,如果CR<0.1,则认为该判断矩阵通过一致性检验,否则就不具有满意一致性;CI为判断矩阵的一般一致性指标;RI为判断矩阵的平均随机一致性指标,根据RI标准表获得RI值;n为判断矩阵的阶数。
进一步的,所述步骤五中,用证据权重和层次分析权重综合叠加,计算出各地热影响因子相应的综合权重:
;
将各展布图地热影响因子与其综合权重W相乘再求和,基于加权求和后的地热影响因子得到研究区地热资源有利区分布图。
与现有技术相比,本发明的有益效果是:
1.本发明地热资源预测方法整合与地热相关的地质、遥感等影响因素,构建相关地热预测模型对地热资源有利区进行评价,可以避免使用昂贵的钻井、地球物理等资料,地热资源潜力预测方法更加经济便捷,为地热资源开发提供科学依据。
2.本发明采用证据权重与层次分析模型共同应用在地热潜力区评价,证据权重法采用贝叶斯统计分析模式,通过对一些对地热形成相关的数据信息的叠加符合分析来进行地热远景区的预测,能够有效的对各地热证据因子建立起其与地热存在的权重值,能够有效指导地热资源有利区预测;层次分析模型则能够充分利用专家经验,引入主观因素的影响,以此为基础确定不同因素的影响大小。在本发明中考虑将主观、客观分析模型有机结合既能充分利用模型的客观信息又能够结合主观经验综合判定地热资源有利区。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍。
图1为不同地热影响因子的研究区展布图。
图2为通过综合权重与各地热影响因子展布图得到的研究区地热资源有利区分布图。
图3为综合权重模型和模糊逻辑模型的地热有利区预测准确率对比图。
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,下面结合具体实施方式,进一步阐述本发明。
收集研究区地热影响因子,其中,温泉温度、大地热流、岩石生热率、DEM90M高程、布格重力异常、地震震中震级数据进行反距离权重插值,断裂分布与温泉地热点进行欧式距离计算,选取合适的间断值进行数值区间分类,并处理形成各个地热影响因子展布图,如图1所示。图1显示不同地热影响因子的展布图,按地热影响因子表示,A为温泉温度;B为岩石生热率;C为大地热流;D为到断裂距离;E为地震数据;F为高程数据;G为布格重力异常。地热影响因子按数值区间分类为9类区间色标,暖色代表相对高的地热潜力,冷色代表相对低的地热潜力。
证据权重法通过计算不同地热影响因子的证据权重来表征其对地热有利区的影响大小,证据权重计算如下:
;
式中:B为各展布图9类区间中每类区间含有温泉地热点的栅格总数,为各展布图9类区间中每类区间不含有温泉地热点的栅格总数;D为所有含有温泉地热点的栅格总数,为所有不含有温泉地热点的栅格总数;/>为含有温泉地热点的分类区间的权重,为不含有温泉地热点的分类区间的权重;
C为温泉地热点与地热影响因子之间的相关性,C的计算公式如下:
;
式中: C为证据权重相关度,当C>0时,表示温泉地热点对地热形成有利; 当C<0时,表示温泉地热点对地热形成不利;当C=0时,表示温泉地热点无指示意义;
将多个地热影响因子展布图中9类区间的C的最大值进行归一化获得不同地热影响因子的证据权重。
通过上述证据权重计算公式可得地热影响因子证据权重相关度,如下表1。
表1 地热影响因子证据权重相关度表
根据C的最大值作为各地热影响因子最优的分布区间类别,并且对C归一化计算证据权重,得下表2。
表2 地热影响因子证据权重
层次分析法将地热影响因子分解成目标、准则、方案层次,加入主观因素影响,以此为基础确定决策方法,层次分析法确定权重的步骤如下:
1)构造判断矩阵,将地热影响因子两两对比,并按其重要性程度评定等级,将主观认识融入不同地热影响因子之中从而赋予优势因子较高的分数;
2)计算重要性排序,根据1)中判断矩阵求出最大特征根λmax所对应的特征向量W AHP ,即不同地热影响因子所对应的层次分析权重;
3)一致性检验,对层次分析权重分配是否合理进行一致性检验,检验方法如下:
CR=CI/RI
CI=(λmax-n)/(n-1)
式中,CR为判断矩阵的随机一致性比率,如果CR<0.1,则认为该判断矩阵通过一致性检验,否则就不具有满意一致性;CI为判断矩阵的一般一致性指标,CI=0,有完全的一致性;CI接近于0,有满意的一致性;CI越大,不一致越严重;RI为判断矩阵的平均随机一致性指标,根据RI标准表获得RI值,如表3;n为判断矩阵的阶数。
表3 一致性检验RI标准表
通过经验判断进行层次分析法构建判断矩阵,由重要到一般为,温泉温度、岩石生热率、大地热流、到断裂距离、地震、高程、布格重力异常,其中认为温泉温度为最重要的影响因素,判断矩阵打分表详情如下表4所示。
表4 判断矩阵打分表
.
判断矩阵打分表分值内容即为判断矩阵,经计算,判断矩阵最大特征值λmax=7.1183,计算比较一致性指标CI=0.0197,CR=0.0149<0.1,因此判断矩阵计算的权重是合理的。求出最大特征根λmax所对应的特征向量W AHP 可得各地热影响因子层次分析权重,如下表5所示。
表5 地热影响因子层次分析权重表
通过将两个权重结合计算出各地热影响因子相应的综合权重:
;
得到最终的综合权重分布如下表6所示。
表6 地热影响因子综合权重表
将各展布图地热影响因子与其综合权重W进行加权求和计算,根据加权求和后的地热影响因子得到最终研究区地热有利区分布图,如图2所示。
为了验证模型准确性,需要对最终评价结果进行有效评估。因此选取现有表现较好的模糊逻辑模型进行比较,通过比较预测准确度来评估两个模型之间的优劣。如图2,将研究区综合权重模型计算的地热有利区分布图重新分类为低潜力、中潜力、高潜力以及极高潜力四类,预测准确度定义为高地热潜力区包含有较多的温泉地热点,较低地热潜力区则温泉地热点较少,并以此数据获得综合权重模型以及模糊逻辑模型的评价结果如图3所示。在中-高地热潜力区域中,综合权重模型的预测准确率均要高于模糊逻辑模型的评价结果,具有好的应用效果。
Claims (6)
1.基于证据权重及层次分析的地热资源有利区预测方法,其特征在于,包括以下步骤:
步骤一:获取研究区内温泉温度、大地热流、岩石生热率、断裂分布、DEM90M高程、布格重力异常和地震震中震级数据作为地热影响因子;
步骤二:通过地理信息系统处理步骤一获取到的地热影响因子数据,获得研究区不同地热影响因子的展布图;
步骤三:在步骤二展布图的基础上,采用证据权重法分析各地热影响因子对地热影响的大小,确定各地热影响因子的证据权重;
步骤四:在步骤二展布图的基础上,采用层次分析法分析各地热影响因子对地热影响的大小,确定各地热影响因子的层次分析权重;
步骤五:对各地热影响因子的证据权重和层次分析权重进行综合叠加,形成各地热影响因子的综合权重,将各展布图地热影响因子与其综合权重相乘再求和,基于加权求和后的地热影响因子得到研究区地热资源有利区分布图。
2.根据权利要求1所述的基于证据权重及层次分析的地热资源有利区预测方法,其特征在于,所述步骤二中,针对温泉温度、岩石生热率、大地热流、DEM90M高程、布格重力异常和地震震中震级数据采用反距离权重法进行插值生成研究区展布图,对展布图数值范围分为m类区间。
3.根据权利要求1所述的基于证据权重及层次分析的地热资源有利区预测方法,其特征在于,所述步骤二中,针对断裂分布数据进行欧式距离计算,计算各温泉地热点至断裂的欧氏距离展布图,对展布图数值范围分为m类区间。
4.根据权利要求1所述的基于证据权重及层次分析的地热资源有利区预测方法,其特征在于,所述步骤三中,证据权重法通过计算不同地热影响因子的证据权重来表征其对地热有利区的影响大小,证据权重计算如下:
;
式中:B为各展布图m类区间中每类区间含有温泉地热点的栅格总数,为各展布图m类区间中每类区间不含有温泉地热点的栅格总数;D为所有含有温泉地热点的栅格总数,/>为所有不含有温泉地热点的栅格总数;/>为含有温泉地热点的分类区间的权重,/>为不含有温泉地热点的分类区间的权重;
C为温泉地热点与地热影响因子之间的相关性,C的计算公式如下:
;
式中: C为证据权重相关度,当C>0时,表示温泉地热点对地热形成有利; 当C<0 时,表示温泉地热点对地热形成不利;当C=0时,表示温泉地热点无指示意义;
将多个地热影响因子展布图中m类区间的C的最大值进行归一化获得不同地热影响因子的证据权重。
5.根据权利要求1所述的基于证据权重及层次分析的地热资源有利区预测方法,其特征在于,所述步骤四中,层次分析法将地热影响因子分解成目标、准则和方案层次,层次分析法确定权重的步骤如下:
1)构造判断矩阵,将地热影响因子进行两两对比,并按其重要性程度评定等级和赋分;
2)计算重要性排序,根据1)中的判断矩阵求出矩阵的最大特征根所对应的特征向量/>,即不同地热影响因子所对应的层次分析权重;
3)进行一致性检验,对层次分析权重分配是否合理进行一致性检验,检验方法如下:
CR=CI/RI;
CI=(λmax-n)/(n-1);
式中,CR为判断矩阵的随机一致性比率,如果CR<0.1,则认为该判断矩阵通过一致性检验,否则就不具有满意一致性;CI为判断矩阵的一般一致性指标;RI为判断矩阵的平均随机一致性指标,根据RI标准表获得RI值;n为判断矩阵的阶数。
6.根据权利要求1所述的基于证据权重及层次分析的地热资源有利区预测方法,其特征在于,所述步骤五中,用证据权重和层次分析权重综合叠加,计算出各地热影响因子相应的综合权重:;
将各展布图地热影响因子与其综合权重W相乘再求和,基于加权求和后的地热影响因子得到研究区地热资源有利区分布图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410636036.2A CN118210074A (zh) | 2024-05-22 | 2024-05-22 | 基于证据权重及层次分析的地热资源有利区预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410636036.2A CN118210074A (zh) | 2024-05-22 | 2024-05-22 | 基于证据权重及层次分析的地热资源有利区预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118210074A true CN118210074A (zh) | 2024-06-18 |
Family
ID=91450924
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410636036.2A Pending CN118210074A (zh) | 2024-05-22 | 2024-05-22 | 基于证据权重及层次分析的地热资源有利区预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118210074A (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116187572A (zh) * | 2023-03-06 | 2023-05-30 | 成都理工大学 | 基于多源数据融合分析的地热资源勘探评价方法 |
CN117035465A (zh) * | 2023-08-28 | 2023-11-10 | 成都理工大学 | 一种评估滑坡易发性的方法和装置 |
-
2024
- 2024-05-22 CN CN202410636036.2A patent/CN118210074A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116187572A (zh) * | 2023-03-06 | 2023-05-30 | 成都理工大学 | 基于多源数据融合分析的地热资源勘探评价方法 |
CN117035465A (zh) * | 2023-08-28 | 2023-11-10 | 成都理工大学 | 一种评估滑坡易发性的方法和装置 |
Non-Patent Citations (7)
Title |
---|
SAMAH ELBARBARY 等: "Geothermal renewable energy prospects of the African continent using GIS", 《GEOTHERMAL ENERGY》, 31 December 2022 (2022-12-31), pages 1 - 19 * |
伯慧 等: "江西省干热岩资源有利区优选研究", 《华东理工大学学报(自然科学版)》, vol. 38, no. 4, 31 December 2015 (2015-12-31), pages 407 - 410 * |
刘运生 等: "《地球物理学简明教程》", 31 August 1996, 地震出版社, pages: 182 - 184 * |
张福神 等: "江西龙南—石城地区干热岩资源优选", 《地质学刊》, 2 January 2024 (2024-01-02), pages 1 - 12 * |
徐讲湾 等: "粤港澳大湾区地热异常空间分布特征的GIS 分析", 《深圳大学学报理工版》, vol. 40, no. 5, 30 September 2023 (2023-09-30), pages 588 - 597 * |
袁晶 等: "遥感地热GIS预测方法研究", 《2023江西地学新进展》, 31 December 2023 (2023-12-31), pages 1 - 13 * |
魏萌: "基于遥感的稀土矿开采状况评价体系研究及应用", 《中国优秀硕士学位论文全文数据库 工程科技I辑》, no. 08, 15 August 2020 (2020-08-15), pages 021 - 59 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xue et al. | Spatial analysis with preference specification of latent decision makers for criminal event prediction | |
Sorichetta et al. | Reliability of groundwater vulnerability maps obtained through statistical methods | |
CN104239712B (zh) | 一种雷达抗干扰效能实时评估方法 | |
CN113792754B (zh) | 一种先除异后修复的换流变dga在线监测数据处理方法 | |
CN116797030A (zh) | 地质监测预警方法、系统、计算机设备及存储介质 | |
KR102379472B1 (ko) | 시공간 피해특성을 고려한 다종 데이터 융합 분석방법 | |
CN116228021A (zh) | 一种基于环境监测的矿山生态修复评价分析方法及系统 | |
CN111476472A (zh) | 硫铁矿山地质环境评价方法 | |
CN116341901B (zh) | 一种滑坡面域-单体危险性预警的一体化评价方法 | |
CN114266289A (zh) | 一种复杂装备健康状态评估方法 | |
Gan et al. | A new spatial modeling method for 3D formation drillability field using fuzzy c-means clustering and random forest | |
Li et al. | Prediction of shale gas production by hydraulic fracturing in changning area using machine learning algorithms | |
Gong et al. | Prediction and evaluation of coal mine coal bump based on improved deep neural network | |
CN111898822B (zh) | 基于多相关日场景生成的充电负荷区间预测方法 | |
CN118210074A (zh) | 基于证据权重及层次分析的地热资源有利区预测方法 | |
CN111026790A (zh) | 一种基于数据挖掘的结构安全评估及预报方法 | |
CN115358454A (zh) | 基于可拓-模糊层次分析理论的煤与瓦斯突出预测方法 | |
CN115906669A (zh) | 一种顾及负样本选取策略的密集残差网络滑坡易发性评价方法 | |
CN116432891A (zh) | 一种钻头应用效能的综合评估方法及系统 | |
CN114818493A (zh) | 一种隧道岩体完整程度定量评价的方法 | |
Alla et al. | Seismic liquefaction analysis of MCDM weighted SPT data using support vector machine classification | |
CN113837644A (zh) | 基于灰色关联的装备作战效能与贡献率一体化评估方法 | |
Sun | A data-driven building seismic response prediction framework: From simulation and recordings to statistical learning | |
CN110414785A (zh) | 深基坑开挖施工的风险识别方法 | |
Yang et al. | Research on intelligent identification technology of lithology wireless remote transmission based on element measurement |
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 |