[发明专利]一种基于深度学习的多点地质统计建模参数优选方法

权利要求书

1.一种基于深度学习的多点地质统计建模参数优选方法，其特征在于，包括以下步骤：

1)、给定训练图像TI，给定多点地质统计学MPS的关键建模参数的K个递增数值组成的建模参数集P；

2)、采用多点地质统计学MPS方法，使用训练图像TI和建模参数集P生成随机模型集M，其中第k个参数P_k相应的随机模型集定义为M_k，k＝1,2,…,K；每个M_k包含n个随机模型，则随机模型集M中共计有N＝K×n个模型；

3)、为随机模型集M里面的所有模型给定以参数值命名的标签L，标签的命名规则如下：

label of M_k(i)＝k，(i＝1,2,…,n)

其中M_k(i)代表M_k中的第i个模型，”k”是标签名称；

4)、选取递增的建模参数集P中的两个相邻参数P_k与P_k+1的合并模型集M’，随机选取合并模型集M’中一半模型样本进行卷积深度学习，然后评估另外一半的模型样本识别率ρ_k；其中M’的定义如下：

M′＝M_k+M_k+1(k＝1,2,…,K-1)

5)、k增加1，如果k小于K-1，则重复步骤4)，否则进入步骤6)；

6)、建立P_k～ρ_k关系曲线，分析并选取识别率介于可识别(|ρ-0.5|φ)与不可识别(|ρ-0.5|≤φ)之间的建模参数作为最优参数，φ为给定阈值。

2.根据权利要求1所述的一种基于深度学习的多点地质统计建模参数优选方法，其特征在于：上述步骤一中所述的关键建模参数包括数据样板尺寸、多重网格。