間 距取樣，得到降維數(shù)據(jù)樣式，然后將相同的降維數(shù)據(jù)樣式所對應(yīng)的數(shù)據(jù)樣式歸位同一類，得 到相似數(shù)據(jù)樣式聚類。
[0044] 10、數(shù)據(jù)樣式代表R印Pat:是采用點(diǎn)對點(diǎn)計算平均值方法對某一相似數(shù)據(jù)樣式聚 類PatC內(nèi)所有數(shù)據(jù)樣式Pat做計算處理，得到表示該相似數(shù)據(jù)樣式聚類PatC主要特點(diǎn)的 數(shù)據(jù)樣式。
[0045] 本發(fā)明提供一種基于相似數(shù)據(jù)樣式聚類的多點(diǎn)地質(zhì)統(tǒng)計學(xué)建模方法，包括以下步 驟：
[0046] 1)將數(shù)據(jù)樣板掃描訓(xùn)練圖像，得到由多個數(shù)據(jù)樣式組成的樣式數(shù)據(jù)庫，圖1所示；
[0047] 2)將樣式數(shù)據(jù)庫中的所有數(shù)據(jù)樣式進(jìn)行等間距取樣，得到降維數(shù)據(jù)樣式，如圖2 所示；將相同的降維數(shù)據(jù)樣式對應(yīng)的數(shù)據(jù)樣式歸位同一類，得到相似數(shù)據(jù)樣式聚類，如圖3 所示。其中，采用等間距取樣法對樣式數(shù)據(jù)庫中任一數(shù)據(jù)樣式的網(wǎng)格單元進(jìn)行等間距取樣， 得到降維數(shù)據(jù)樣式，等間距取樣的公式為
[0048] GThumPat(i,j,k) =Gp^CiXr,,jXrj,kXrk)
[0049] 其中IPat/IThMPat，rj=JPat/JThunPat，rk=KPat/KThMPat，GThunPat為降維數(shù)據(jù)樣式的 網(wǎng)格體，GPat為數(shù)據(jù)樣式的網(wǎng)格體，IPat、JPat、KPat表示數(shù)據(jù)樣式的數(shù)據(jù)載體網(wǎng)格體的X方向、 Y方向和Z方向的維度，IThMPat、JThuniPat、KThuniPat表示降維數(shù)據(jù)樣式的數(shù)據(jù)載體網(wǎng)格體的X方 向、Y方向和Z方向的維度，i、j、k分別表示數(shù)據(jù)樣式或降維數(shù)據(jù)樣式的數(shù)據(jù)載體網(wǎng)格體的 網(wǎng)格單元的X方向索引、Y方向索引、Z方向索引。
[0050] 3)計算相似數(shù)據(jù)樣式聚類的數(shù)據(jù)樣式代表，如圖3所示。其中，對相似數(shù)據(jù)樣式聚 類中所有數(shù)據(jù)樣式進(jìn)行點(diǎn)對點(diǎn)取平均值得到數(shù)據(jù)樣式代表，數(shù)據(jù)樣式代表的節(jié)點(diǎn)計算公式 為：
[0051]
[0052] 其中，Grapat為數(shù)據(jù)樣式代表的網(wǎng)格體，Gpat為相似數(shù)據(jù)樣式聚類中任一個數(shù)據(jù)樣式 的網(wǎng)格體，N是相似數(shù)據(jù)樣式聚類中數(shù)據(jù)樣式的總數(shù)，i、j、k分別表示數(shù)據(jù)樣式或數(shù)據(jù)樣式 代表的數(shù)據(jù)載體網(wǎng)格體的網(wǎng)格單元的X方向索引、Y方向索引、Z方向索引。
[0053] 4)構(gòu)建模擬實(shí)現(xiàn)的隨機(jī)路徑；
[0054] 5)遍歷隨機(jī)路徑中的待估點(diǎn)u，將數(shù)據(jù)樣板掃描模擬實(shí)現(xiàn)獲得待估點(diǎn)u處的數(shù)據(jù) 事件；
[0055] 6)將待估點(diǎn)u處的數(shù)據(jù)事件與數(shù)據(jù)樣式代表進(jìn)行相似性計算，得到與待估點(diǎn)u處 的數(shù)據(jù)事件最相似的數(shù)據(jù)樣式代表，再計算待估點(diǎn)u處的數(shù)據(jù)事件與最相似的數(shù)據(jù)樣式代 表對應(yīng)的相似數(shù)據(jù)樣式聚類中所有數(shù)據(jù)樣式進(jìn)行相似性計算，得到最相似數(shù)據(jù)樣式。其中， 待估點(diǎn)u處的數(shù)據(jù)事件與數(shù)據(jù)樣式代表之間、待估點(diǎn)u處的數(shù)據(jù)事件與數(shù)據(jù)樣式之間的相 似性通過曼哈頓距離函數(shù)來計算，曼哈頓距離函數(shù)為
[0056] ，
[0057] :，
[0058] 其中，devT(u+ha)表示待估點(diǎn)u處的數(shù)據(jù)事件，repatT(ha)、patT(ha)分別表示數(shù) 據(jù)樣式代表、數(shù)據(jù)樣式。
[0059] 7)最相似數(shù)據(jù)樣式替換待估點(diǎn)u處的數(shù)據(jù)事件；
[0060] 8)重復(fù)步驟5)至步驟7)的操作，直至隨機(jī)路徑中所有待估點(diǎn)都訪問完畢。
[0061] 下面分別采用SmPAT算法和本發(fā)明算法對以兩幅二值圖像作為訓(xùn)練圖像計算 1〇〇個非條件模擬實(shí)現(xiàn)，比較兩者算法的計算耗時來檢驗(yàn)本發(fā)明算法在提高建模效率方面 的改進(jìn)效果。其一是二維Largetrain河流相數(shù)字模型，其維度為250X250,網(wǎng)格單元尺寸 為lmXlm。另一個是三維fluvsim河流相數(shù)字模型，其維度為69X69X39,網(wǎng)格單元尺寸 是lmXlmXlm〇
[0062] 參見表1，采用SniPAT算法和本發(fā)明算法計算100個非條件模擬實(shí)現(xiàn)的計算耗 時對比：（1)以二維Largetrain河流相數(shù)字模型作為訓(xùn)練圖像，模擬實(shí)現(xiàn)的網(wǎng)格體維度 為250X250,數(shù)據(jù)樣板的維度為9X9,降維數(shù)據(jù)樣式的維度為5X5,SIMPAT的計算耗時 是5245秒，本發(fā)明算法的計算耗時是204秒，本發(fā)明算法的計算效率相比S頂PAT算法提 高25倍；（2)以三維fluvsim河流相數(shù)字模型作為訓(xùn)練圖像，模擬實(shí)現(xiàn)的網(wǎng)格體維度為 69X69X39,數(shù)據(jù)樣板的維度為11XIIX5,降維數(shù)據(jù)樣式的維度為5X5X3,S頂PAT的計 算耗時是96588秒，本發(fā)明算法的計算耗時是1498秒，本發(fā)明算法的計算效率相比S頂PAT 算法提高64倍。
[0063] 表1 S頂PAT算法和本發(fā)明算法計算100個模擬實(shí)現(xiàn)的計算耗時對比表
[0064]
[0065] 從表1可以看出，本發(fā)明大大提高了多點(diǎn)地質(zhì)統(tǒng)計學(xué)建模算法的效率。
[0066] 本說明書中未作詳細(xì)描述的內(nèi)容，屬于本專業(yè)技術(shù)人員公知的現(xiàn)有技術(shù)。
【主權(quán)項(xiàng)】
1. 一種基于相似數(shù)據(jù)樣式聚類的多點(diǎn)地質(zhì)統(tǒng)計學(xué)建模方法，其特征在于：包括以下步 驟： 1) 將數(shù)據(jù)樣板掃描訓(xùn)練圖像，得到由多個數(shù)據(jù)樣式組成的樣式數(shù)據(jù)庫； 2) 將樣式數(shù)據(jù)庫中的所有數(shù)據(jù)樣式進(jìn)行等間距取樣，得到降維數(shù)據(jù)樣式；將相同的降 維數(shù)據(jù)樣式對應(yīng)的數(shù)據(jù)樣式歸位同一類，得到相似數(shù)據(jù)樣式聚類； 3) 計算相似數(shù)據(jù)樣式聚類的數(shù)據(jù)樣式代表； 4) 構(gòu)建模擬實(shí)現(xiàn)的隨機(jī)路徑； 5) 遍歷隨機(jī)路徑中的待估點(diǎn)u，將數(shù)據(jù)樣板掃描模擬實(shí)現(xiàn)獲得待估點(diǎn)u處的數(shù)據(jù)事 件； 6) 將待估點(diǎn)u處的數(shù)據(jù)事件與數(shù)據(jù)樣式代表進(jìn)行相似性計算，得到與待估點(diǎn)u處的數(shù) 據(jù)事件最相似的數(shù)據(jù)樣式代表，再計算待估點(diǎn)u處的數(shù)據(jù)事件與最相似的數(shù)據(jù)樣式代表對 應(yīng)的相似數(shù)據(jù)樣式聚類中所有數(shù)據(jù)樣式進(jìn)行相似性計算，得到最相似數(shù)據(jù)樣式； 7) 最相似數(shù)據(jù)樣式替換待估點(diǎn)u處的數(shù)據(jù)事件； 8) 重復(fù)步驟5)至步驟7)的操作，直至隨機(jī)路徑中所有待估點(diǎn)都訪問完畢。2. 根據(jù)權(quán)利要求1所述的基于相似數(shù)據(jù)樣式聚類的多點(diǎn)地質(zhì)統(tǒng)計學(xué)建模方法，其特征 在于：在步驟2)中，采用等間距取樣法對樣式數(shù)據(jù)庫中任一數(shù)據(jù)樣式的網(wǎng)格單元進(jìn)行等間 距取樣，得到降維數(shù)據(jù)樣式，等間距取樣的公式為 GThumPat(i, J, k) = Gpat(IXr1, J-Xrj, kXrk), 其中 A= I Pat/IThunPat，rj= JPat/JThMPat，rk= KPat/KThunPat，GThunPa$降維數(shù)據(jù)樣式的網(wǎng)格 體，Gpat為數(shù)據(jù)樣式的網(wǎng)格體，I Pat、JPat、Kpat表示數(shù)據(jù)樣式的數(shù)據(jù)載體網(wǎng)格體的X方向、Y方 向和Z方向的維度，I ThuniPat、JThuniPat、KThMPat表示降維數(shù)據(jù)樣式的數(shù)據(jù)載體網(wǎng)格體的X方向、Y 方向和Z方向的維度，i、j、k分別表示數(shù)據(jù)樣式或降維數(shù)據(jù)樣式的數(shù)據(jù)載體網(wǎng)格體的網(wǎng)格 單元的X方向索引、Y方向索引、Z方向索引。3. 根據(jù)權(quán)利要求1所述的基于相似數(shù)據(jù)樣式聚類的多點(diǎn)地質(zhì)統(tǒng)計學(xué)建模方法，其特征 在于：在步驟3)中，對相似數(shù)據(jù)樣式聚類中所有數(shù)據(jù)樣式進(jìn)行點(diǎn)對點(diǎn)取平均值得到數(shù)據(jù)樣 式代表，數(shù)據(jù)樣式代表的節(jié)點(diǎn)計算公式為：其中，Grapat(i，j，k)為數(shù)據(jù)樣式代表，Gpat(i，j，k)為相似數(shù)據(jù)樣式聚類中任一個數(shù)據(jù)樣 式，N是相似數(shù)據(jù)樣式聚類中數(shù)據(jù)樣式的總數(shù)，i、j、k分別表示數(shù)據(jù)樣式或數(shù)據(jù)樣式代表的 數(shù)據(jù)載體網(wǎng)格體的網(wǎng)格單元的X方向索引、Y方向索引、Z方向索引。4. 根據(jù)權(quán)利要求1所述的基于相似數(shù)據(jù)樣式聚類的多點(diǎn)地質(zhì)統(tǒng)計學(xué)建模方法，其特征 在于：在步驟6)中，待估點(diǎn)u處的數(shù)據(jù)事件與數(shù)據(jù)樣式代表之間、待估點(diǎn)u處的數(shù)據(jù)事件與 數(shù)據(jù)樣式之間的相似性通過曼哈頓距離函數(shù)來計算，曼哈頓距離函數(shù)為其中，devT(u+ha)表示待估點(diǎn)u處的數(shù)據(jù)事件，repatT(h a)、patT(ha)分別表示數(shù)據(jù)樣 式代表、數(shù)據(jù)樣式。
【專利摘要】本發(fā)明公開了一種基于相似數(shù)據(jù)樣式聚類的多點(diǎn)地質(zhì)統(tǒng)計學(xué)建模方法，它對樣式數(shù)據(jù)庫的所有數(shù)據(jù)樣式做了降維計算，把相同的降維數(shù)據(jù)樣式所對應(yīng)的數(shù)據(jù)樣式歸為同一類即相似數(shù)據(jù)樣式聚類，并計算相似數(shù)據(jù)樣式聚類的數(shù)據(jù)樣式代表，在模擬過程中，將待估點(diǎn)u處的數(shù)據(jù)事件與數(shù)據(jù)樣式代表進(jìn)行相似性計算，再與最相似的數(shù)據(jù)樣式代表對應(yīng)的相似數(shù)據(jù)樣式聚類中所有數(shù)據(jù)樣式進(jìn)行相似性計算，得到最相似數(shù)據(jù)樣式。而SIMPAT算法在模擬過程中，需將待估點(diǎn)u處的數(shù)據(jù)事件與樣式數(shù)據(jù)庫中所有數(shù)據(jù)樣式進(jìn)行相似性計算。因此，相比SIMPAT算法，本發(fā)明大大提高了多點(diǎn)地質(zhì)統(tǒng)計學(xué)建模算法的效率。
【IPC分類】G06F17/50
【公開號】CN105426626
【申請?zhí)枴緾N201510903204
【發(fā)明人】喻思羽, 李少華, 段太忠
【申請人】長江大學(xué)
【公開日】2016年3月23日
【申請日】2015年12月8日