公开(公告)号：CN116245013A

公开(公告)日：2023-06-09

申请号：CN202211710956.1

申请日：2022-12-29

Applicant: 中国地质大学(武汉)

Inventor： 花卫华 ,  段剑超 ,  刘修国 ,  宿紫莹 ,  庞世龙 ,  肖海清

IPC: G06F30/27 ,  G06T17/20 ,  G06F18/213 ,  G06F18/241 ,  G06N3/0464 ,  G06N3/08 ,  G06F111/04

Abstract: 本发明提供一种图深度学习地质预测模型的构建方法，包括：S1构建样本数据集，对样本数据集进行图结构化处理以形成地质节点图结构网格作为训练数据集；S2构建基于GNN‑Transformer模型的图深度学习地质预测模型，图深度学习地质预测模型包括依次连接的GNN模块、Transformer地质要素图全局特征提取模块以及全连接分类映射模块，其中，GNN模块为各个图节点生成嵌入向量，Transformer地质要素图全局特征提取模块用于对GNN模块输出的嵌入向量进一步编码；S3设置损失函数，并对图深度学习地质预测模型进行训练，其通过图结构直观地构建了地质节点之间的空间关联，通过GNN聚合表征邻域地质节点的空间关系，使用Transformer模块有效挖掘地质要素的空间分布模式，可兼顾地质要素局部与全局空间相关性。