KR101830318B1 - 지질데이터의 처리방법 - Google Patents

지질데이터의 처리방법 Download PDF

Info

Publication number
KR101830318B1
KR101830318B1 KR1020170097470A KR20170097470A KR101830318B1 KR 101830318 B1 KR101830318 B1 KR 101830318B1 KR 1020170097470 A KR1020170097470 A KR 1020170097470A KR 20170097470 A KR20170097470 A KR 20170097470A KR 101830318 B1 KR101830318 B1 KR 101830318B1
Authority
KR
South Korea
Prior art keywords
data
lipid
grid
geological
extended
Prior art date
Application number
KR1020170097470A
Other languages
English (en)
Inventor
박계순
Original Assignee
한국지질자원연구원
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 한국지질자원연구원 filed Critical 한국지질자원연구원
Priority to KR1020170097470A priority Critical patent/KR101830318B1/ko
Application granted granted Critical
Publication of KR101830318B1 publication Critical patent/KR101830318B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
    • G01V1/32—Transforming one recording into another or one representation into another
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/40—Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging
    • G01V1/44—Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging using generators and receivers in the same well
    • G01V1/48—Processing data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D1/00—Measuring arrangements giving results other than momentary value of variable, of general application
    • G01D1/02—Measuring arrangements giving results other than momentary value of variable, of general application giving mean values, e.g. root means square values
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
    • G01V1/34—Displaying seismic recordings or visualisation of seismic data or attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2210/00—Details of seismic processing or analysis
    • G01V2210/70—Other details related to processing
    • G01V2210/74—Visualisation of seismic data

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Environmental & Geological Engineering (AREA)
  • Geology (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geophysics (AREA)
  • Theoretical Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Geophysics And Detection Of Objects (AREA)

Abstract

본 발명은 지질 데이터의 처리 방법에 관한 것으로, 실제 지리 위치에 대응하는 격자틀에 대하여 개별 격자 별의 지질 데이터를 마련하는 단계와; 상기 개별 격자에 대하여 인접 격자를 포함하는 확장격자를 마련하는 단계와; 상기 확장 격자 내의 지질 데이터로부터 상기 개별 격자에 대하여 적어도 2개 이상의 데이터 요소를 포함하는 확장 지질 데이터를 생성하는 단계와; 상기 확장 지질 데이터를 머신 러닝하여 지질 패턴 및 지질 정보 중 적어도 어느 하나를 파악하는 단계를 포함한다.

Description

지질데이터의 처리방법{Method of treating geologic data}
본 발명은 머신 러닝을 이용한 지질데이터의 처리방법에 관한 것이다.
최근 인공지능 및 머신러닝에 대한 사회적 관심이 높아지면서 실생활에 이용되는 제품 개발뿐만 아니라 학문 분야에서도 머신러닝을 활용한 다양한 연구들이 수행되고 있다.
일반적으로 머신러닝 기법이 효과적으로 적용되는 분야는 원인과 결과 사이에 물리적 상관성이 명확하게 정의되지 않고, 다양한 요인들이 결과에 관여하여 단순한 수치 해석으로는 그 해를 찾기 어렵지만, 많은 양의 자료가 구축되어 자료기반 분석이 가능한 분야이다.
이런 관점에서 지질학 특히 광상학 연구 분야는 광상 생성에 다양한 지질학적 요인이 작용하고 각 요인과 광상 배태 특성 간의 상관성을 일반화하기 어려워 머신러닝을 이용하여 효과적인 해석이 가능한 분야라 할 수 있다.
그러나 지질학 관련 자료들은 각 자료가 갖는 해상도, 공간 분포, 자료를 바라보는 관점 등의 차이로 수치화하기 난해할 뿐만 아니라 주변의 지질 특성을 반영해 해석하여야 하기 때문에 머신러닝을 수행하기 위한 빅데이터를 구축하는데 많은 어려움이 있다.
한국등록특허 제10-0904916호(공고일자 : 2009. 07. 01)
본 발명의 목적은 머신 러닝을 이용한 지질데이터의 처리방법을 제공하는 것이다.
상기 본 발명의 목적은 지질 데이터의 처리 방법에 있어서, 실제 지리 위치에 대응하는 격자틀에 대하여 개별 격자 별의 지질 데이터를 마련하는 단계와; 상기 개별 격자에 대하여 인접 격자를 포함하는 확장격자를 마련하는 단계와; 상기 확장 격자 내의 지질 데이터로부터 상기 개별 격자에 대하여 적어도 2개 이상의 데이터 요소를 포함하는 확장 지질 데이터를 생성하는 단계와; 상기 확장 지질 데이터를 머신 러닝하여 지질 패턴 및 지질 정보 중 적어도 어느 하나를 파악하는 단계를 포함하는 것에 의해 달성된다.
상기 데이터 요소는 상기 확장격자의 특정 방향으로 위치하는 격자 수열의 상기 지질 데이터를 이용하여 도출하며, 상기 특정 방향은 가로방향, 세로방향 및 대각선 방향 중 적어도 어느 하나를 포함할 수 있다.
상기 개별 격자에 대해 상기 확장 격자는 하나 이상이며, 적어도 하나의 상기 확장 격자는 상기 개별 격자를 중심으로 하는 n*n개로 이루어지며, n은 3이상의 홀수일 수 있다.
상기 확장 격자는 복수개로 마련되며, 상기 확장 지질 데이터는 상기 각 확장 격자 별로 마련될 수 있다.
상기 데이터 요소는 상기 지질 데이터 평균값, 상기 지질 데이터 변화값, 상기 지질 데이터 변화값의 절대값의 합 중 적어도 어느 하나를 포함할 수 있다.
상기 지질 데이터는 단층 데이터, 광물 데이터 및 지질 층서 데이터 중 적어도 어느 하나를 포함하며, 상기 지질 패턴은 단층 패턴, 암석 분포 패턴 및 광상 분포 패턴 중 적어도 어느 하나를 포함할 수 있다.
상기 본 발명의 목적은 지질 데이터의 처리 방법에 있어서, 실제 지리 위치에 대응하는 격자틀에 대하여 개별 격자 별의 지질 데이터를 입력받는 단계와; 상기 개별 격자에 대하여 인접 개별 격자의 상기 지질 데이터의 변화를 고려한 적어도 2개 이상의 데이터 요소를 포함하는 확장 지질 데이터를 생성하는 단계와; 상기 확장 지질 데이터를 머신 러닝하여 지질 패턴 및 지질 정보 중 적어도 어느 하나를 파악하는 단계를 포함하는 것에 의해 달성된다.
상기 확장 지질 데이터는 특정 방향으로 위치하는 인접 개별 격자의 상기 지질 데이터를 이용하여 도출하며, 상기 특정 방향은 가로방향, 세로방향 및 대각선 방향 중 적어도 어느 하나를 포함할 수 있다.
상기 데이터 요소는 상기 지질 데이터 평균값, 상기 지질 데이터 변화값, 상기 지질 데이터 변화값의 절대값의 합 중 적어도 어느 하나를 포함할 수 있다.
상기 지질 데이터는 단층 데이터, 광물 데이터 및 지질 층서 데이터 중 적어도 어느 하나를 포함하며, 상기 지질 패턴은 단층 패턴, 암석 분포 패턴 및 광상 분포 패턴 중 적어도 어느 하나를 포함할 수 있다.
본 발명에 따르면 머신 러닝을 이용한 지질데이터의 처리방법이 제공된다.
도 1은 본 발명의 일실시예에 따른 지질데이터 처리장치의 모식도이고,
도 2는 본 발명의 일실시예에 따른 지질데이터의 처리방법에서 격자틀을 나타낸 것이고,
도 3은 본 발명의 일실시예에 따른 지질데이터의 처리방법에서 확장격자를 나타낸 것이고,
도 4는 본 발명의 일실시예에 따른 지질데이터의 처리방법에서 인접수열을 나타낸 것이고,
도 5는 본 발명의 일실시예에 따른 지질데이터의 처리방법에서 특정 인접수열에서의 확장지질 데이터를 나타낸 것이고,
도 6은 본 발명의 일실시예에 따른 지질데이터의 처리방법에서 확장지질 데이터를 나타낸 것이고,
도 7은 본 발명의 다른 실시예에 따른 지질데이터의 처리방법에서 복수의 확장 격자를 고려한 경우의 확장지질 데이터를 나타낸 것이고,
도 8은 본 발명의 또 다른 실시예에 따른 지질데이터 처리방법에서의 확장 격자를 나타낸 것이고,
도 9 및 도 10은 본 발명에 의해 얻어진 지질 패턴을 나타낸 것이고,
도 11 및 도 12는 본 발명에 의해 얻어진 지질 정보를 나타낸 것이다.
이하 도면을 참조하여 본 발명을 더욱 상세히 설명한다.
첨부된 도면은 본 발명의 기술적 사상을 더욱 구체적으로 설명하기 위하여 도시한 일 예에 불과하므로 본 발명의 사상이 첨부된 도면에 한정되는 것은 아니다.
본 발명에서는 자료 구축에 제한이 많은 지질 및 광상 자료의 한계를 극복하기 위한 방법을 제시한다. 기존의 지질 데이터 수치화는 해당 위치의 지질 데이터를 1:1로 수치화하는 방식으로 구축되는 정보의 양이나 자료의 양이 한계가 있어 머신러닝을 활용하기 어려웠을 뿐만 아니라 주변의 지질 특성을 반영할 수 없었다. 본 발명에서 제시하는 방법은 각 지점의 지질 데이터만 입력하는 것이 아니라 주변의 지질 데이터 값이나 변화 양상을 수치화하는 방법이다.
이하 도면을 참조로 본 발명을 상세히 설명한다.
도 1은 본 발명의 일실시예에 따른 지질데이터 처리장치의 모식도이다.
지질데이터 처리장치(1)는 입력부(10), 제1처리부(20), 제2처리부(30) 및 표시부(출력부, 40)를 포함한다.
입력부(10)는 외부로부터 지질 데이터를 입력받고 제1처리부(20)로 전달한다. 입력부(10)에서는 사용자의 선택에 의해 확장 지질 데이터의 형태를 결정할 수도 있다. 확장 지질 데이터의 형태는 후술할 확장 격자의 형태, 확장 격자의 개수 및/또는 데이터 요소일 수 있다.
제1처리부(20)에서는 입력된 지질 데이터로부터 확장 지질 데이터를 생성한다. 확장 지질 데이터는 인접 위치에서의 지질 데이터의 변화를 고려한 것으로 자세한 내용은 후술한다.
제2처리부(30)에서는 머신 러닝을 통해 확장 지질 데이터로부터 지질 패턴 및/또는 지질 정보를 생성한다. 머신 러닝은 공지된 방법을 사용할 수 있으며, 비지도 방법 또는 지도 방법으로 생성할 수 있다.
표시부(40)는 생성된 지질 패턴 및/또는 지질 정보를 표시 내지 출력하며, 특정 장치에 저장할 수도 있다.
이상 설명한 입력부(10), 제1처리부(20), 제2처리부(30) 및 표시부(40)의 일부 내지 전부는 컴퓨터 내지 마이크로프로세서에 의해 처리될 수 있다.
도 2는 본 발명의 일실시예에 따른 지질데이터의 처리방법에서 격자틀을 나타낸 것이고, 도 3은 본 발명의 일실시예에 따른 지질데이터의 처리방법에서 확장격자를 나타낸 것이다.
지질 데이터는 실제 측량 등을 통해 얻어지며, 단층 데이터, 광물 데이터 및/또는 지질 층서 데이터 등일 수 있다.
이들 지질 데이터는 실제 지리 위치에 대응하는 격자틀의 각 개별 격자에 수치로 마련된다. 지질 데이터는 유무를 나타내는 0 또는 1 중 어느 하나로 나타나거나, 정도를 나타내는 1, 2, 3, 4 ... 등 다양한 형태로 나타날 수 있다. 또한, 지질 층서를 나타낸 경우 01, 02, 11, 12 등으로 표현될 수도 있다.
이에 따라 각 개별 격자에는 하나의 지질 데이터만이 위치하게 된다.
본 발명에서는 각 개별 격자에 대해 주변 격자의 지질 데이터까지 고려하는 방법을 제시하며, 이를 위해 도 3에 표시한 확장 격자의 개념을 도입한다.
본 실시예에서 확장 격자는 개별 격자를 중심 격자로 하여 5*5의 형태로 마련되었다. 즉 확장 격자는 하나의 개별 격자와 24개의 인접 격자로 마련된다. 도 3에서는 특정 개별 격자에 대한 확장 격자를 도시하였으나, 확장 격자는 모든 개별 격자에 대해 마련된다.
도 4는 본 발명의 일실시예에 따른 지질데이터의 처리방법에서 인접수열을 나타낸 것이다.
본 발명에서는 확장 격자 내에 있는 인접 격자의 지질 데이터 값을 고려하며, 특히 인접 격자의 지질 데이터 값의 변화를 고려한 확장 지질 데이터를 형성한다. 도 4에 표시한 인접수열은 인접 격자의 지질 데이터 값을 고려하기 위한 것이다.
도 4의 (a)는 가로 방향의 인접수열을 나타낸 것으로 총 5개의 인접수열이 생성되며, 각 인접수열의 격자 개수는 5개로 동일하다.
도 4의 (b)는 세로 방향의 인접수열을 나타낸 것으로 총 5개의 인접수열이 생성되며, 각 인접수열의 격자 개수는 5개로 동일하다.
도 4의 (c)와 (d)는 사선 방향의 인접수열을 나타낸 것으로 각각 9개의 인접수열이 생성된다. 각 인접수열의 격자 개수는 1개 내지 5개이다.
이상 설명한 인접수열에서 일부 인접수열은 중심 격자를 포함하고 나머지 인접수열은 중심 격자를 포함하지 않는다.
다른 실시예에서는 특정 방향의 인접수열만을 사용하거나, 중심 격자를 포함하는 인접수열만을 활용하는 등 다양한 변형이 가능하다.
이하에서는 본 발명에 따른 확장 지질 데이터에 대해 설명한다.
도 5는 본 발명의 일실시예에 따른 지질데이터의 처리방법에서 특정 인접수열에서의 확장 지질 데이터를 나타낸 것이고, 도 6은 본 발명의 일실시예에 따른 지질 데이터의 처리방법에서 확장 지질 데이터 전체를 나타낸 것이다.
본 발명에 따르면 개별 격자에 대한 지질 데이터, 즉 단일의 수치는 데이터 세트의 집합체인 확장 지질 데이터로 확장된다.
특정 인접수열에서의 확장 지질 데이터는 도 5와 같이 복수의 데이터 요소가 나열된 데이터 세트 형태일 수 있다.
데이터 요소는 인접 격자의 지질 데이터를 반영한 것으로 지질 데이터 평균값, 지질 데이터 변화값 및 지질 데이터 변화값의 절대값의 합 중 어느 하나를 포함할 수 있다.
예를 들어, n1은 지질 데이터 평균값을 나타내고 n2는 지질 데이터 변화값을 나타내며, n3는 지질 데이터 변화값의 절대값을 나타낼 수 있다.
예를 들어 5개의 격자를 가지는 특정 인접수열에서의 지질 데이터 값이 1, 0, 1, 0, 0이라면 n1은 0.4, n2는 -1(-1+1-1+0,), n3는 3(1+1+1+0)이 되어, 본 특정 인접수열에서의 확장 지질 데이터는 (0.4, -1, 3, ...)이 된다.
데이터 요소는 다양하게 변형되거나 추가될 수 있으며, 순서 역시 다양하게 변형될 수 있다.
이러한 특정 인접수열에서의 확장 지질 데이터는 가로 인접수열의 5개 데이터 세트, 세로 인접수열의 5개 데이터 세트 및 대각선 인접수열(두 방향) 별로 각각 9개 데이터 세트로 총 28개의 데이터 세트로 이루어진다.
이와 같이 본 발명에 따르면 특정 개별 격자에 대해 하나의 수치로만 표시되는 지질 데이터가 주변 지질 데이터를 고려한 확장 지질 데이터로 확장된다.
이상 설명한 확장 지질 데이터는 다양하게 변형될 수 있으며, 이를 도 7 및 도 8을 참조하여 설명한다.
도 7은 본 발명의 다른 실시예에 따른 지질 데이터의 처리방법에서 복수의 확장 격자를 설정한 경우의 확장 지질 데이터를 나타낸 것이고, 도 8은 본 발명의 또 다른 실시예에 따른 지질 데이터 처리방법에서의 확장 격자를 나타낸 것이다.
도 7을 참조하면, 확장 지질 데이터는 복수의 확장 격자를 설정해서 마련될 수 있다. 즉, 5*5의 확장 격자 외에 3*3의 확장 격자 및 7*7의 확장 격자까지 고려한 확장 지질 데이터가 마련될 수 있다.
도 8을 참조하면, 확장 격자는 홀수*홀수에 한정되지 않으며, 가로와 세로의 격자수가 상이할 수도 있다.
이상의 방법을 통해 얻어진 확장 지질 데이터를 머신 러닝하여 지질 패턴 및/또는 지질 정보를 얻을 수 있다.
지질 패턴은 확장 지질 데이터를 비지도 학습으로 분류하여 패턴(특징)에 따라 분류한 결과이며, 지질정보는 지도 학습을 통해 원하는 지질 정보(단층 유무, 광상 배태 가능성(포텐셜 지도), 등)를 해석한 결과이다.
지질 패턴은 단층 패턴, 암석 분포 패턴 및 광상 분포 패턴 중 어느 하나를 포함할 수 있다.
구체적으로 언급하면, 단층 가능성의 경우 각 위치의 고도값을 초기 값으로 세팅한 후 수치화 하고, 머신 러닝으로 분석한다. 또한 지도학습 방법으로 단층 지역(값: 1)과 단층이 아닌 지역(값: 0)의 값을 목적값으로 훈련시켜 각 위치가 단층일 확률을 분석한다.
포텐셜 지도는 단층 가능성의 경우와 유사하나, 초기 값을 단층과 화강암 존재 여부로 세팅을 하고 이 값을 수치화 한 다음 지도학습을 수행하여 광상 분포 확률을 계산하한다. 이때 목적값은 광산의 위치 정보를 사용하여 광산이 있으면 1, 없으면 0으로 이용한다.
도 9 및 도 10은 본 발명에 의해 얻어진 지질 패턴을 나타낸 것이고, 도 11 및 도 12는 본 발명에 의해 얻어진 지질 정보를 나타낸 것이다.
도 9는 단층 패턴 분석 결과를 도 10은 쥬라기 화강암 패턴 분석 결과를 나타낸 것이다.
도 11은 단층 가능성 분석 결과를 도 12는 광종별 포텐셜 분석 결과를 나타낸 것이다.
이상으로 본 발명 내용의 특정한 부분을 상세히 기술하였는 바, 당업계의 통상의 지식을 가진 자에게 있어서, 이러한 구체적 기술은 단지 바람직한 실시양태일 뿐이며, 이에 의해 본 발명의 범위가 제한되는 것이 아닌 점은 명백할 것이다. 따라서, 본 발명의 실질적인 범위는 첨부된 청구항들과 그것들의 등가물에 의하여 정의된다고 할 것이다.

Claims (10)

  1. 지질 데이터의 처리 방법에 있어서,
    실제 지리 위치에 대응하는 격자틀에 대하여 개별 격자 별의 지질 데이터를 마련하는 단계와;
    상기 개별 격자에 대하여 인접 격자를 포함하는 확장격자를 마련하는 단계와;
    상기 확장 격자 내의 지질 데이터로부터 상기 개별 격자에 대하여 적어도 2개 이상의 데이터 요소를 포함하는 확장 지질 데이터를 생성하는 단계와;
    상기 확장 지질 데이터를 머신 러닝하여 지질 패턴 및 지질 정보 중 적어도 어느 하나를 파악하는 단계를 포함하는 지질 데이터의 처리 방법.
  2. 제1항에 있어서,
    상기 데이터 요소는 상기 확장격자의 특정 방향으로 위치하는 격자 수열의 상기 지질 데이터를 이용하여 도출하며,
    상기 특정 방향은 가로방향, 세로방향 및 대각선 방향 중 적어도 어느 하나를 포함하는 것을 특징으로 하는 지질 데이터의 처리 방법.
  3. 제2항에 있어서,
    상기 개별 격자에 대해 상기 확장 격자는 하나 이상이며,
    적어도 하나의 상기 확장 격자는 상기 개별 격자를 중심으로 하는 n*n개로 이루어지며, n은 3이상의 홀수인 것을 특징으로 하는 지질 데이터의 처리 방법.
  4. 제2항에 있어서,
    상기 확장 격자는 복수개로 마련되며,
    상기 확장 지질 데이터는 상기 각 확장 격자 별로 마련되는 것을 특징으로 하는 지질 데이터의 처리 방법.
  5. 제2항 내지 제4항 중 어느 항에 있어서,
    상기 데이터 요소는 상기 지질 데이터 평균값, 상기 지질 데이터 변화값, 상기 지질 데이터 변화값의 절대값의 합 중 적어도 어느 하나를 포함하는 것을 특징으로 하는 지질 데이터의 처리방법.
  6. 제5항에 있어서,
    상기 지질 데이터는 단층 데이터, 광물 데이터 및 지질 층서 데이터 중 적어도 어느 하나를 포함하며,
    상기 지질 패턴은 단층 패턴, 암석 분포 패턴 및 광상 분포 패턴 중 적어도 어느 하나를 포함하는 것을 특징으로 하는 지질 데이터의 처리방법.
  7. 지질 데이터의 처리 방법에 있어서,
    실제 지리 위치에 대응하는 격자틀에 대하여 개별 격자 별의 지질 데이터를 입력받는 단계와;
    상기 개별 격자에 대하여 인접 개별 격자의 상기 지질 데이터의 변화를 고려한 적어도 2개 이상의 데이터 요소를 포함하는 확장 지질 데이터를 생성하는 단계와;
    상기 확장 지질 데이터를 머신 러닝하여 지질 패턴 및 지질 정보 중 적어도 어느 하나를 파악하는 단계를 포함하는 지질 데이터의 처리 방법.
  8. 제7항에 있어서,
    상기 확장 지질 데이터는 특정 방향으로 위치하는 인접 개별 격자의 상기 지질 데이터를 이용하여 도출하며,
    상기 특정 방향은 가로방향, 세로방향 및 대각선 방향 중 적어도 어느 하나를 포함하는 것을 특징으로 하는 지질 데이터의 처리 방법.
  9. 삭제
  10. 삭제
KR1020170097470A 2017-08-01 2017-08-01 지질데이터의 처리방법 KR101830318B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170097470A KR101830318B1 (ko) 2017-08-01 2017-08-01 지질데이터의 처리방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170097470A KR101830318B1 (ko) 2017-08-01 2017-08-01 지질데이터의 처리방법

Publications (1)

Publication Number Publication Date
KR101830318B1 true KR101830318B1 (ko) 2018-02-21

Family

ID=61524417

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170097470A KR101830318B1 (ko) 2017-08-01 2017-08-01 지질데이터의 처리방법

Country Status (1)

Country Link
KR (1) KR101830318B1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101966732B1 (ko) * 2018-10-29 2019-04-08 한국지질자원연구원 석회석 광산 갱내의 디지털 사진 자료를 이용한 암상 분석 방법
KR102042764B1 (ko) 2018-12-18 2019-11-08 한양대학교 산학협력단 딥러닝을 이용한 암염 경계식별장치 및 방법
WO2021112893A1 (en) * 2019-12-06 2021-06-10 Landmark Graphics Corporation Lithology prediction in seismic data
CN114200524A (zh) * 2021-10-29 2022-03-18 五季数据科技(北京)有限公司 一种基于人工智能深度学习的测井密度曲线校正方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002133391A (ja) 2000-10-25 2002-05-10 Raito Kogyo Co Ltd 地層判別方法及び地層判別システム
JP2006172406A (ja) 2004-12-13 2006-06-29 Advance Soft Kk 界面構造データ作成方法及び界面構造データ作成支援システム
KR100978838B1 (ko) 2009-09-14 2010-08-30 한국지질자원연구원 라돈 농도 측정을 통한 지하 단층 조사 방법
EP2761329B1 (fr) 2011-09-30 2016-01-13 Total SA Procede de validation d'image d'entrainement pour la modelisation geostatistique multipoint du sous-sol

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002133391A (ja) 2000-10-25 2002-05-10 Raito Kogyo Co Ltd 地層判別方法及び地層判別システム
JP2006172406A (ja) 2004-12-13 2006-06-29 Advance Soft Kk 界面構造データ作成方法及び界面構造データ作成支援システム
KR100978838B1 (ko) 2009-09-14 2010-08-30 한국지질자원연구원 라돈 농도 측정을 통한 지하 단층 조사 방법
EP2761329B1 (fr) 2011-09-30 2016-01-13 Total SA Procede de validation d'image d'entrainement pour la modelisation geostatistique multipoint du sous-sol

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101966732B1 (ko) * 2018-10-29 2019-04-08 한국지질자원연구원 석회석 광산 갱내의 디지털 사진 자료를 이용한 암상 분석 방법
KR102042764B1 (ko) 2018-12-18 2019-11-08 한양대학교 산학협력단 딥러닝을 이용한 암염 경계식별장치 및 방법
WO2021112893A1 (en) * 2019-12-06 2021-06-10 Landmark Graphics Corporation Lithology prediction in seismic data
GB2601677A (en) * 2019-12-06 2022-06-08 Landmark Graphics Corp Lithology prediction in seismic data
GB2601677B (en) * 2019-12-06 2023-11-01 Landmark Graphics Corp Lithology prediction in seismic data
CN114200524A (zh) * 2021-10-29 2022-03-18 五季数据科技(北京)有限公司 一种基于人工智能深度学习的测井密度曲线校正方法

Similar Documents

Publication Publication Date Title
KR101830318B1 (ko) 지질데이터의 처리방법
Bhat et al. Urban sprawl and its impact on landuse/land cover dynamics of Dehradun City, India
Hengl et al. SoilGrids250m: Global gridded soil information based on machine learning
Zhu et al. Mapping groundwater potential zones using a knowledge-driven approach and GIS analysis
Hamdy et al. Analyses the driving forces for urban growth by using IDRISI® Selva models Abouelreesh-Aswan as a case study
Masoud et al. Applicability of computer-aided comprehensive tool (LINDA: LINeament Detection and Analysis) and shaded digital elevation model for characterizing and interpreting morphotectonic features from lineaments
Häring et al. Spatial disaggregation of complex soil map units: a decision-tree based approach in Bavarian forest soils
Li et al. Remote sensing monitoring recent rapid increase of coal mining activity of an important energy base in northern China, a case study of Mu Us Sandy Land
Lindsay et al. Making the link between geological and geophysical uncertainty: geodiversity in the Ashanti Greenstone Belt
CN109597415B (zh) 基于月球表面安全着陆区的巡视器路径规划方法及系统
Richardson et al. The volcanic history of Syria Planum, Mars
Clarkson et al. Mapping stone: using GIS spatial modelling to predict lithic source zones
JP2007010932A (ja) 都市緑地における生息生物群の予測評価手法
JP2009136265A (ja) 都市緑化の生物多様性向上効果予測システム
Kania et al. Geometry and topology of tectonolineaments in the Gorce Mts.(Outer Carpathians) in Poland
Conroy et al. Let your fingers do the walking: a simple spectral signature model for “remote” fossil prospecting
Rypl et al. Geological and geomorphological conditions supporting the diversity of rock landforms in the Pohořská Mountains (South Bohemia, Czech Republic)
Merdith et al. Towards a predictive model for opal exploration using a spatio-temporal data mining approach
Orlov et al. Structural architecture and deformation history of Tempe Terra, Mars
Salehi et al. Integrating remote sensing and magnetic data for structural geology investigation in pegmatite areas in eastern Afghanistan
Hollingsworth et al. Karst Regions of the World (KROW): global Karst datasets and maps to advance the protection of Karst species and habitats worldwide USGS Scientific Investigations Report 2008-5023
Song et al. A new method for acquiring long-term high-precision spatial data on rural settlements
Schettino Magan: A new approach to the analysis and interpretation of marine magnetic anomalies
Ribeiro et al. Landscape dynamics at borderlands: analysing land use changes from Southern Slovenia
Mikheeva et al. The GIS-ENDDB algorithms and methods for geoinformation-expert data analysis

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant