本發(fā)明涉及礦產(chǎn)勘查，更具體地，涉及一種基于關(guān)聯(lián)規(guī)則算法和知識圖譜技術(shù)的智能找礦方法及系統(tǒng)。

背景技術(shù)：

1、在礦產(chǎn)勘查領(lǐng)域，找礦的思想有三種，一種是“求同”，一種是“求異”，最后一種則是這兩種思想的結(jié)合。“求同”是指同一種礦床具有相似的成礦背景和成礦環(huán)境，通過類比預(yù)測區(qū)和已知區(qū)的相似性來判斷預(yù)測區(qū)的成礦可能性，強(qiáng)調(diào)的是礦床形成的內(nèi)因；“求異”則是通過礦床形成以后，表現(xiàn)出來的地球物理、地球化學(xué)等方面的異常信息，來確定找礦標(biāo)志，進(jìn)而靶區(qū)圈定；第三種思想則是既“求同”，也“求異”，既考慮致礦因素，也考慮礦致因素，講究“內(nèi)外兼修”。

2、傳統(tǒng)的找礦思維模式中，多依賴于強(qiáng)因果關(guān)系的推理，也即如下所示：

3、

4、在上述思維范式中，a推到b推到c，都是有嚴(yán)格的因果關(guān)系。

5、傳統(tǒng)的找礦方法中，在所有前期的數(shù)據(jù)準(zhǔn)備完成以后，需要地質(zhì)工作者經(jīng)過數(shù)據(jù)處理后，使用商業(yè)軟件，繪制各種地質(zhì)圖件，還要考慮采用哪些插值方法，人工參與度過高，工作量巨大，就算繪制完所有圖件，還需要資質(zhì)較高的科研人員綜合所有數(shù)據(jù)，來確定區(qū)域的找礦標(biāo)志，進(jìn)而服務(wù)于找礦工作，對團(tuán)隊的整體專業(yè)水平要求過高，而且主觀性強(qiáng)，可能會造成找礦標(biāo)志的不全面，不精準(zhǔn)。

6、然而隨著大數(shù)據(jù)時代的來臨，這種思維范式逐漸轉(zhuǎn)變?yōu)橄嚓P(guān)關(guān)系，即如下所示：

7、

8、這種思維范式中，d推到c，不以因果關(guān)系為主導(dǎo)，而是相關(guān)關(guān)系，再加上成礦理論的知識約束，來確認(rèn)c的準(zhǔn)確性。

9、目前在礦產(chǎn)勘查領(lǐng)域多使用關(guān)聯(lián)規(guī)則算法用于地球化學(xué)數(shù)據(jù)分析，使用知識圖譜技術(shù)用于礦床知識庫構(gòu)建及基于知識庫的智能問答等。

10、但是目前的關(guān)聯(lián)規(guī)則在找礦過程中存在許多問題，首先因為找礦工作涉及的地質(zhì)數(shù)據(jù)，往往具有多源異構(gòu)難以融合的特點，比如：各種地質(zhì)圖件，文本描述，數(shù)據(jù)表格，很難把所有的數(shù)據(jù)都體現(xiàn)在一張圖件上，也就很難使用關(guān)聯(lián)規(guī)則算法挖掘出頻繁項集，同時還因為通過關(guān)聯(lián)規(guī)則算法挖掘出的強(qiáng)關(guān)聯(lián)規(guī)則往往有成千上萬條，具體哪些有用或者要用哪幾條一般是人為確定，這種選擇充滿了主觀性，被摒棄的強(qiáng)關(guān)聯(lián)規(guī)則則是一種數(shù)據(jù)丟失，而且礦床形成過程極其復(fù)雜，單獨挑選的幾條規(guī)則可能只是礦床形成過程中的局部事件、特殊事件，以這些規(guī)則作為找礦標(biāo)志能否直接應(yīng)用于區(qū)域性找礦還有待商榷。而知識圖譜在礦床領(lǐng)域的研究，也大多停留在知識庫的建立上。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的之一是提供一種基于關(guān)聯(lián)規(guī)則算法和知識圖譜技術(shù)的智能找礦方法，解決現(xiàn)有技術(shù)中因個人篩選強(qiáng)關(guān)聯(lián)規(guī)則的主觀性對區(qū)域找礦的誤導(dǎo)問題；本發(fā)明的目的之二是一種基于關(guān)聯(lián)規(guī)則算法和知識圖譜技術(shù)的智能找礦系統(tǒng)。

2、為解決上述技術(shù)問題，本發(fā)明的技術(shù)方案如下：

3、本發(fā)明的第一方面提供一種基于關(guān)聯(lián)規(guī)則算法和知識圖譜技術(shù)的智能找礦方法，包括以下步驟：

4、收集礦產(chǎn)勘查區(qū)中各個采樣點的礦床相關(guān)數(shù)據(jù)；

5、將所述各個采樣點的礦床相關(guān)數(shù)據(jù)的每一個地質(zhì)元素符號化和融合后，得到關(guān)聯(lián)規(guī)則數(shù)據(jù)表；

6、使用關(guān)聯(lián)規(guī)則算法，在所述關(guān)聯(lián)規(guī)則數(shù)據(jù)表中獲取所有導(dǎo)致待尋找元素出現(xiàn)時的強(qiáng)關(guān)聯(lián)規(guī)則；

7、根據(jù)所有所述強(qiáng)關(guān)聯(lián)規(guī)則，構(gòu)建知識圖譜；

8、從所述知識圖譜中獲取與所述待尋找元素的規(guī)則團(tuán)，所述規(guī)則團(tuán)作為在所述礦產(chǎn)勘查區(qū)中尋找所述待尋找元素的找礦標(biāo)志。

9、在上述技術(shù)手段中，將關(guān)聯(lián)規(guī)則算法和知識圖譜結(jié)合起來，通過關(guān)聯(lián)規(guī)則來挖掘出和礦床相關(guān)的強(qiáng)關(guān)聯(lián)規(guī)則，從數(shù)據(jù)的角度來說，每一條強(qiáng)關(guān)聯(lián)規(guī)則都具有很高的價值，因此所有強(qiáng)關(guān)聯(lián)規(guī)則都應(yīng)該應(yīng)用于找礦工作，所以根據(jù)所有的強(qiáng)關(guān)聯(lián)規(guī)則，創(chuàng)建為知識圖譜，再利用知識圖譜的聚類算法，就可以發(fā)現(xiàn)實體之間的聚類團(tuán)體，這種聚類團(tuán)體，因為是在和礦床成礦事件相關(guān)性極高的強(qiáng)關(guān)聯(lián)規(guī)則中進(jìn)一步聚類得到的，因此這種聚類團(tuán)體，才是區(qū)域上和成礦事件相關(guān)性極高的找礦標(biāo)志。

10、進(jìn)一步地，所述礦床相關(guān)數(shù)據(jù)包括多個地質(zhì)元素，所述地質(zhì)元素包括地質(zhì)構(gòu)造數(shù)據(jù)、地球物理數(shù)據(jù)和地球化學(xué)數(shù)據(jù)。

11、進(jìn)一步地，將所述各個采樣點的礦床相關(guān)數(shù)據(jù)的每一個地質(zhì)元素符號化，包括：

12、將所述各個采樣點的礦床相關(guān)數(shù)據(jù)的每一個地質(zhì)元素使用不同的符號進(jìn)行表示，對于需要分級的地質(zhì)元素，采用符號下標(biāo)數(shù)字的方法進(jìn)行表示。

13、進(jìn)一步地，所述關(guān)聯(lián)規(guī)則數(shù)據(jù)表，包括：

14、將每一個樣點的礦床相關(guān)數(shù)據(jù)的每一個地質(zhì)元素符號化后的數(shù)據(jù)形成一行行數(shù)據(jù)，將所有樣點形成的行數(shù)據(jù)組合，形成所述關(guān)聯(lián)規(guī)則數(shù)據(jù)表。

15、進(jìn)一步地，所述關(guān)聯(lián)規(guī)則算法，包括：

16、令a和b為同一規(guī)則下的兩個事件，其中a為待尋找元素，則事件a發(fā)生的支持度為：

17、support(b→a)＝p(b∩a)

18、事件a發(fā)生的置信度為：

19、confidence(a→b)＝p(b|a)

20、以所述關(guān)聯(lián)規(guī)則數(shù)據(jù)表中的每一行為一條規(guī)則，計算每一個規(guī)則下，事件a發(fā)生的支持度和置信度；

21、將事件a發(fā)生的支持度大于預(yù)設(shè)支持度的規(guī)則稱為頻繁項集；

22、將所述頻繁項集中事件a發(fā)生的置信度大于預(yù)設(shè)置信度的規(guī)則稱為強(qiáng)關(guān)聯(lián)規(guī)則。

23、進(jìn)一步地，所述關(guān)聯(lián)規(guī)則算法包括apriori算法、eclat算法或fpgrowth算法。

24、進(jìn)一步地，根據(jù)所有所述強(qiáng)關(guān)聯(lián)規(guī)則，構(gòu)建知識圖譜，包括：

25、以所述強(qiáng)關(guān)聯(lián)規(guī)則的前項和后項為實體，以對應(yīng)的支持度和置信度為關(guān)系，將每一條所述強(qiáng)關(guān)聯(lián)規(guī)則作為三元組保存后，構(gòu)建知識圖譜。

26、進(jìn)一步地，從所述知識圖譜中獲取與所述待尋找元素的規(guī)則團(tuán)，包括：

27、利用聚類算法對所述知識圖譜進(jìn)行處理，得到聚類后的知識圖譜；

28、根據(jù)所述聚類后的知識圖譜，得到相關(guān)性高的聚類團(tuán)，所述聚類團(tuán)對應(yīng)的規(guī)則則為所述待尋找元素的規(guī)則團(tuán)。

29、進(jìn)一步地，所述聚類算法包括社區(qū)發(fā)現(xiàn)算法、圖譜聚類算法或者隨機(jī)游走算法結(jié)合深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型。

30、本發(fā)明的第二方面提供一種基于關(guān)聯(lián)規(guī)則算法和知識圖譜技術(shù)的智能找礦系統(tǒng)，包括：

31、數(shù)據(jù)收集模塊，所述數(shù)據(jù)收集模塊收集礦產(chǎn)勘查區(qū)中各個采樣點的礦床相關(guān)數(shù)據(jù)；

32、數(shù)據(jù)符號化和融合模塊，所述數(shù)據(jù)符號化和融合模塊將所述各個采樣點的礦床相關(guān)數(shù)據(jù)的每一個地質(zhì)元素符號化和融合后，得到關(guān)聯(lián)規(guī)則數(shù)據(jù)表；

33、強(qiáng)關(guān)聯(lián)規(guī)則獲取模塊，所述強(qiáng)關(guān)聯(lián)規(guī)則獲取模塊使用關(guān)聯(lián)規(guī)則算法，在所述關(guān)聯(lián)規(guī)則數(shù)據(jù)表中獲取所有導(dǎo)致待尋找元素出現(xiàn)時的強(qiáng)關(guān)聯(lián)規(guī)則；

34、圖構(gòu)建模塊，所述圖構(gòu)建模塊根據(jù)所有所述強(qiáng)關(guān)聯(lián)規(guī)則，構(gòu)建知識圖譜；

35、找礦標(biāo)志模塊，所述找礦標(biāo)志模塊從所述知識圖譜中獲取與所述待尋找元素的規(guī)則團(tuán)，所述規(guī)則團(tuán)作為在所述礦產(chǎn)勘查區(qū)中尋找所述待尋找元素的找礦標(biāo)志。

36、與現(xiàn)有技術(shù)相比，本發(fā)明技術(shù)方案的有益效果是：

37、本發(fā)明實現(xiàn)了礦床多源異構(gòu)數(shù)據(jù)的融合，使得所有的強(qiáng)關(guān)聯(lián)規(guī)則都參與到找礦中，既解決了數(shù)據(jù)丟失的問題，也克服了因個人篩選強(qiáng)關(guān)聯(lián)規(guī)則的主觀性對區(qū)域找礦的誤導(dǎo)問題，也解決了單條強(qiáng)關(guān)聯(lián)規(guī)則無法泛化到區(qū)域找礦的限制，使得原來的利用單條或多條關(guān)聯(lián)規(guī)則找礦轉(zhuǎn)變?yōu)閷ふ覅^(qū)域強(qiáng)關(guān)聯(lián)規(guī)則團(tuán)來指導(dǎo)找礦，且能從本發(fā)明中同時看到單條強(qiáng)關(guān)聯(lián)規(guī)則和強(qiáng)關(guān)聯(lián)規(guī)則團(tuán)，顯示了從局部到區(qū)域找礦的變化，且能看出分級元素級別變化過程中其他元素的變化，同時具備了相關(guān)性分析、聚類分析等多項功能。