用于地质矿产勘查的环境调查数据处理方法与流程

本技术涉及地质矿产勘查领域，且更为具体地，涉及一种用于地质矿产勘查的环境调查数据处理方法。

背景技术：

1、地质矿产勘查是指对地下矿产资源进行调查、评价和开发的过程。地质矿产勘查是一项重要的活动，但也会对环境造成一定的影响。为了保护环境，需要对地质矿产勘查区域的环境状况进行评估，以确定是否存在敏感区域，如生态脆弱区、水源保护区、自然保护区等。然而，传统的环境调查数据处理方法通常只考虑单一的环境参数，如土壤、水质、植被或气体，而忽略了不同环境参数之间的协同关系，这可能导致评估结果不准确或不全面。

2、因此，期望一种优化的用于地质矿产勘查的环境调查数据处理方案。

技术实现思路

1、为了解决上述技术问题，提出了本技术。本技术提供了一种用于地质矿产勘查的环境调查数据处理方法，其可以综合考虑地质矿产勘查区域内的多个环境调查参数，并利用基于深度学习技术和人工智能的数据处理和分析算法来进行这些环境调查参数之间的协同分析，以此来更全面地评估该地质矿产勘查区域的环境状况，并判断该地质矿产勘查区域是否为敏感区域。

2、根据本技术的一个方面，提供了一种用于地质矿产勘查的环境调查数据处理方法，其包括：

3、获取地质矿产勘查区域内多个采样点的环境调查参数，其中，环境调查参数包括土壤数据、水质数据、植被数据和气体数据；

4、将各个采样点的环境调查参数按照环境参数样本维度排列为环境多参数协同输入矩阵后，分别对各个采样点的环境多参数协同输入矩阵进行环境多参数关联特征提取以得到多个环境多参数协同关联表征特征矩阵；

5、使用基于重参数化层的特征表达强化器分别对多个环境多参数协同关联表征特征矩阵进行特征强化以得到多个强化后环境多参数协同关联表征特征矩阵；

6、使用联合聚类网络对多个强化后环境多参数协同关联表征特征矩阵进行联合聚类分析以得到采样点全局环境参数协同表征特征矩阵作为采样点全局环境参数协同表征特征；

7、以及基于采样点全局环境参数协同表征特征，确定地质矿产勘查区域是否为敏感区域。

8、进一步地，将各个采样点的环境调查参数按照环境参数样本维度排列为环境多参数协同输入矩阵后，分别对各个采样点的环境多参数协同输入矩阵进行环境多参数关联特征提取以得到多个环境多参数协同关联表征特征矩阵，包括：

9、将各个采样点的环境调查参数按照环境参数样本维度排列为环境多参数协同输入矩阵后通过基于卷积神经网络模型的环境参数特征提取器以得到多个环境多参数协同关联表征特征矩阵。

10、进一步地，使用基于重参数化层的特征表达强化器分别对多个环境多参数协同关联表征特征矩阵进行特征强化以得到多个强化后环境多参数协同关联表征特征矩阵，包括：

11、使用基于重参数化层的特征表达强化器以如下强化公式分别对多个环境多参数协同关联表征特征矩阵进行特征强化以得到多个强化后环境多参数协同关联表征特征矩阵；其中，强化公式为：

12、

13、其中，为多个环境多参数协同关联表征特征矩阵中的各个环境多参数协同关联表征特征矩阵的全局均值，为每个环境多参数协同关联表征特征矩阵的方差，是对每个环境多参数协同关联表征特征矩阵的高斯分布进行随机采样得到的第个值，是多个强化后环境多参数协同关联表征特征矩阵中的每个强化后环境多参数协同关联表征特征矩阵中各个位置的特征值，表示按位置点乘。

14、进一步地，使用联合聚类网络对多个强化后环境多参数协同关联表征特征矩阵进行联合聚类分析以得到采样点全局环境参数协同表征特征矩阵作为采样点全局环境参数协同表征特征，包括：

15、构造多个强化后环境多参数协同关联表征特征矩阵的邻接矩阵和度矩阵；

16、基于邻接矩阵和度矩阵，计算拉普拉斯矩阵；

17、对拉普拉斯矩阵进行标准化处理以得到标准化后拉普拉斯矩阵；

18、将标准化后拉普拉斯矩阵的各个特征值从大到小进行排列，并提取前k个特征值计算前k个特征值的特征向量；

19、以及标准化前k个特征值的特征向量并将标准化后的前k个特征值的特征向量组成特征向量矩阵以得到采样点全局环境参数协同表征特征矩阵。

20、进一步地，构造多个强化后环境多参数协同关联表征特征矩阵的邻接矩阵和度矩阵，包括：

21、以如下权重公式计算多个强化后环境多参数协同关联表征特征矩阵中各个强化后环境多参数协同关联表征特征矩阵之间的关联权重值以得到邻接矩阵；其中，权重公式为：

22、

23、其中，和分别为多个强化后环境多参数协同关联表征特征矩阵中第个和第个强化后环境多参数协同关联表征特征矩阵，为第个强化后环境多参数协同关联表征特征矩阵和第个强化后环境多参数协同关联表征特征矩阵之间的方差，表示二范数的平方，为指数运算，为邻接矩阵中第位置的特征值。

24、进一步地，构造多个强化后环境多参数协同关联表征特征矩阵的邻接矩阵和度矩阵，包括：

25、度矩阵中的各个位置的特征值为多个强化后环境多参数协同关联表征特征矩阵中每个强化后环境多参数协同关联表征特征矩阵与其相连接的所有其余强化后环境多参数协同关联表征特征矩阵的关联权重值之和。

26、进一步地，基于邻接矩阵和度矩阵，计算拉普拉斯矩阵，包括：

27、基于邻接矩阵和度矩阵，以如下拉普拉斯公式计算拉普拉斯矩阵；其中，拉普拉斯公式为：

28、

29、其中，为邻接矩阵，为度矩阵，为拉普拉斯矩阵。

30、进一步地，对拉普拉斯矩阵进行标准化处理以得到标准化后拉普拉斯矩阵，包括：

31、以如下标准化公式对拉普拉斯矩阵进行标准化处理以得到标准化后拉普拉斯矩阵；其中，标准化公式为：

32、

33、其中，为邻接矩阵，为度矩阵，为单位矩阵，为标准化后拉普拉斯矩阵。

34、进一步地，基于采样点全局环境参数协同表征特征，确定地质矿产勘查区域是否为敏感区域，包括：

35、将采样点全局环境参数协同表征特征矩阵通过分类器以得到分类结果，分类结果用于表示地质矿产勘查区域是否为敏感区域。

36、进一步地，还包括训练步骤：用于对基于卷积神经网络模型的环境参数特征提取器、联合聚类网络和分类器进行训练；

37、其中，训练步骤，包括：

38、训练数据获取，训练数据包括地质矿产勘查区域内多个采样点的训练环境调查参数，以及，地质矿产勘查区域是否为敏感区域的真实值，其中，训练环境调查参数包括训练土壤数据、训练水质数据、训练植被数据和训练气体数据；

39、将各个采样点的训练环境调查参数按照环境参数样本维度排列为训练环境多参数协同输入矩阵后通过基于卷积神经网络模型的环境参数特征提取器以得到多个训练环境多参数协同关联表征特征矩阵；

40、使用基于重参数化层的特征表达强化器分别对多个训练环境多参数协同关联表征特征矩阵进行特征强化以得到多个训练强化后环境多参数协同关联表征特征矩阵；

41、使用联合聚类网络对多个训练强化后环境多参数协同关联表征特征矩阵进行联合聚类分析以得到训练采样点全局环境参数协同表征特征矩阵；

42、将训练采样点全局环境参数协同表征特征矩阵进行展开以得到训练采样点全局环境参数协同表征特征向量；

43、将训练采样点全局环境参数协同表征特征向量通过分类器以得到分类损失函数值；

44、以及以分类损失函数值对基于卷积神经网络模型的环境参数特征提取器、联合聚类网络和分类器进行训练，其中，在分类器的每次迭代训练时，对于训练采样点全局环境参数协同表征特征矩阵展开得到的训练采样点全局环境参数协同表征特征向量进行优化。

45、与现有技术相比，本技术提供的用于地质矿产勘查的环境调查数据处理方法，其首先将各个采样点的环境调查参数按照环境参数样本维度排列为环境多参数协同输入矩阵后进行环境多参数关联特征提取以得到多个环境多参数协同关联表征特征矩阵，接着，使用基于重参数化层的特征表达强化器分别对多个环境多参数协同关联表征特征矩阵进行特征强化以得到多个强化后环境多参数协同关联表征特征矩阵，然后，使用联合聚类网络对多个强化后环境多参数协同关联表征特征矩阵进行联合聚类分析以得到采样点全局环境参数协同表征特征，最后，基于采样点全局环境参数协同表征特征，确定地质矿产勘查区域是否为敏感区域。这样，可以提高地质矿产勘查的效率和准确性。