【技术实现步骤摘要】
本申请涉及地质图构建，尤其是涉及一种基于ai的无属性地质图建库方法及系统。
技术介绍
1、无属性地质图一般是指一种地质图，其中不包含详细的地质属性信息，如地层名称、岩性描述、构造特征等，这类地质图通常只提供基本的地质边界和形态信息，常用于需要在不受特定地质细节影响的基础上展示构造关系或空间分布模式的场合。
2、现有无属性地质图构建技术难以针对复杂空间分布的多层地质结构边界和形态做出准确分析，导致构建得到的无属性地质图中遗漏重要且微小的地质特征，造成基于缺乏细节的无属性地质图做出的地质研究受限。
技术实现思路
1、本申请提供一种基于ai的无属性地质图建库方法及系统，以解决上述技术问题。
2、第一方面，本申请提供一种基于ai的无属性地质图建库方法，该方法包括：
3、获取待构建区域的遥感数据集，分析所述遥感数据集，确定地质特征信息集；分析所述地质特征信息集，对单位地质特征进行组合识别分析，确定地质边界信息集；获取样本数据集，基于所述地质边界信息集，对所述样本数据集进行结构形态走向分析，确定多层结构信息集；分析所述地质边界信息集和所述多层结构信息集，确定每一多层结构信息和对应地质边界的统一空间映射坐标集；基于所述统一空间映射坐标集，根据所述地质边界信息集和所述多层结构信息集，构建并输出无属性地质图。
4、通过上述技术方案，分析遥感数据集中的地质特征信息，对单位地质特征的组合识别分析，实现对复杂的地质结构的动态组合和解析，以构建地质便捷信息集，
5、可选的，所述遥感数据集包括光谱数据、基础地形高程信息和区域遥感图像信息，所述分析所述遥感数据集，确定地质特征信息集，包括：
6、根据预设单位分析区域信息，将所述待构建区域划分为若干数据提取区域；分析所述光谱数据，确定每一分析区域的植被指数、水体指数和冰雪指数；分析所述基础地形高程信息，确定每一数据提取区域的坡度信息和坡向信息；根据每一数据提取区域对应的所述植被指数、所述水体指数、所述冰雪指数、所述坡度信息和所述坡向信息，确定若干局部特征模型；根据若干所述局部特征模型和所述区域遥感图像信息，确定地质特征信息集。
7、通过上述技术方案，将待构建区域划分为若干数据提取区域，分析光谱数据，确定数据分析区域对应的植被指数、水体指数和冰雪指数，并通过分析地形高程信息，确定数据提取区域对应的坡度信息，从上述多维度数据出发，构建反映数据提取区域内数字化地质特征的局部特征模型，进而在局部特征模型的基础上，分析区域遥感图像信息，得出反映反映待构建区域内地质边界形态细节的地质特征信息集，为后续无属性地质图的构建提供科学的数字化信息依据。
8、可选的，所述根据每一数据提取区域对应的所述植被指数、所述水体指数、所述冰雪指数、所述坡度信息和所述坡向信息，确定若干局部特征模型，包括：
9、根据预设组合规则，对若干所述数据提取区域进行组合，得出若干特征分析区域；根据每一特征分析区域对应的若干所述植被指数、若干所述水体指数、若干所述冰雪指数、若干所述坡度信息和若干所述坡向信息，分别确定每一特征分析区域对应的植被指数均值和植被指数标准差、水体指数均值和水体指数标准差、冰雪指数均值和冰雪指数标准差、坡度均值和坡度标准差、坡向均值和坡向标准差；构建每一特征分析区域的所述局部特征模型，具体为以下表达式：
10、
11、其中，m(i,j)为坐标(i,j)处对应所述特征分析区域的所述局部特征模型，μnv为所述植被指数均值，σnv为所述植被指数标准差，μnw为所述水体指数均值，σnw为所述水体指数标准差，μns为所述冰雪指数均值，σns为所述冰雪指数标准差，μsp为所述坡度均值，σsp为所述坡度标准差，vas为所述坡向均值，σas为所述坡向标准差。
12、通过上述技术方案，将若干数据提取区域根据预设组合规则合并为若干特征分析区域，更好地捕捉地质特征在区域内的变化，并根据植物指数、水体指数、冰雪指数、坡度信息和坡向信息在特征分析区域内的均值和标准差，通过数学分析手段，构建得出局部特征模型，通过对数据的缩放处理，提升局部特征模型在不同数据集和复杂地质条件下的适应能力，使局部特征模型能够全面地反映特征分析区域内的地质特征表现。
13、可选的，所述根据若干所述局部特征模型和所述区域遥感图像信息，确定地质特征信息集，包括：
14、分析所述区域遥感图像信息，确定每一特征分析区域的梯度方向指向值；基于所述梯度方向指向值，根据若干所述局部特征模型，确定每一特征分析区域的边缘强度指数,具体为以下公式：
15、
16、其中，e(i,j)为坐标(i,j)处的所述特征分析区域的所述边缘强度指数，mk(i,j)为当前所述特征分析区域对应所述局部特征模型中的第k个特征值，θ为所述梯度方向指向值，wk为第k个特征值对应特征类型的预设影响权重；根据每一特征分析区域对应的所述边缘强度指数，构建所述地质特征信息集。
17、通过上述技术方案，利用数学分析手段，根据梯度方向指向值和局部特征模型，通过设计的数学公式，对反映特征分析区域是否位于地质边界上的边缘强度指数进行科学的精准量化，为后续确定待构建区域内地质边界细节提供科学的量化数据。
18、可选的，所述分析所述基础地形高程信息，确定每一数据提取区域的坡度信息和坡向信息，包括：
19、根据所述基础地形高程信息，确定每一数据提取区域中心点的横坐标值、纵坐标值和高程值；根据所述横坐标值、所述纵坐标值和所述高程值，确定每一数据提取区域的坡度指向值，并将所述坡度指向值作为所述坡度信息，具体为以下公式：
20、
21、其中，sp为当前所述数据提取区域的所述坡度指向值，x为所述横坐标值，y为所述纵坐标值，z为所述高程值；根据所述横坐标值、所述纵坐标值和所述高程值，确定每一数据提取区域的坡向指向值，并将所述坡向指向值作为所述坡度信息，具体为以下公式：
22、
23、其中，as为当前所述数据提取区域的所述坡度指向值，x为所述横坐标值，y为所述纵坐标值，z为所述高程值。
24、通过上述技术方案，利用数学分析手段，在数据提取区域中心点的横坐标值、纵坐标值和高程值的基础上，通过数学公式，分别对反映数据提取区域坡度大小的坡度指向值和反映坡度方向的坡向指向值进行科学量化，以明确每一数据提取区域对应的局部坡度和坡向，为局部特征模型的构建提供精准的数据依据。<本文档来自技高网...
【技术保护点】
1.一种基于AI的无属性地质图建库方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述遥感数据集包括光谱数据、基础地形高程信息和区域遥感图像信息，所述分析所述遥感数据集，确定地质特征信息集，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据每一数据提取区域对应的所述植被指数、所述水体指数、所述冰雪指数、所述坡度信息和所述坡向信息，确定若干局部特征模型，包括：
4.根据权利要求3所述的方法，其特征在于，所述根据若干所述局部特征模型和所述区域遥感图像信息，确定地质特征信息集，包括：
5.根据权利要求2所述的方法，其特征在于，所述分析所述基础地形高程信息，确定每一数据提取区域的坡度信息和坡向信息，包括：
6.根据权利要求4所述的方法，其特征在于，所述分析所述地质特征信息集，对单位地质特征进行组合识别分析，确定地质边界信息集，包括：
7.根据权利要求6所述的方法，其特征在于，所述样本数据集包括若干样本提取坐标、若干样本截面图像数据和若干样本截取深度，所述基于所述地质边界信息集，对所述样本数
8.根据权利要求7所述的方法，其特征在于，所述分析所述地质边界信息集和所述多层结构信息集，确定每一多层结构信息和对应地质边界的统一空间映射坐标集，包括：
9.根据权利要求8所述的方法，其特征在于，所述基于所述统一空间映射坐标集，根据所述地质边界信息集和所述多层结构信息集，构建并输出无属性地质图，包括：
10.一种基于AI的无属性地质图建库系统，其特征在于，包括：
...【技术特征摘要】
1.一种基于ai的无属性地质图建库方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述遥感数据集包括光谱数据、基础地形高程信息和区域遥感图像信息，所述分析所述遥感数据集，确定地质特征信息集，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据每一数据提取区域对应的所述植被指数、所述水体指数、所述冰雪指数、所述坡度信息和所述坡向信息，确定若干局部特征模型，包括：
4.根据权利要求3所述的方法，其特征在于，所述根据若干所述局部特征模型和所述区域遥感图像信息，确定地质特征信息集，包括：
5.根据权利要求2所述的方法，其特征在于，所述分析所述基础地形高程信息，确定每一数据提取区域的坡度信息和坡向信息，包括：
6.根据权利要求4所述的方法，...
【专利技术属性】
技术研发人员：文辉，王静，雷传扬，邱仁智，杨显华，龙杰玲，鲁易，袁宏，
申请(专利权)人：四川省地质大数据中心，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。