[发明专利]基于深度学习的空间数据随机模拟方法

摘要

一种基于深度学习的空间数据随机模拟方法，涉及图像处理技术领域，所解决的是提升随机模拟质量的技术问题。该方法利用数据模板方法建立一个训练图像模式库，并利用深度信念网络的深度学习方法提取训练图像模式库中的图像本质结构特征；再利用聚类算法对图像本质结构特征进行分类；然后再对训练图像的模拟目标区域进行MPS模拟。本发明提供的方法，可广泛应用于环境监测、油气勘探开发、地质分析、天气预报等领域。

主权项

一种基于深度学习的空间数据随机模拟方法，其特征在于，具体步骤如下：1）构建一个深度信念网络，并设定一条MPS随机模拟的数据模拟路径，及一条扫描训练数据的数据扫描路径；如果训练图像中存在着条件数据，则将训练图像中的条件数据分布到深度信念网络的各个网格点上；2）利用数据模板方法，按照步骤1）中定义的数据扫描路径对训练图像进行扫描，建立一个包含有训练图像中的数据事件的训练图像模式库；3）采用深度信念网络的深度学习方法提取训练图像模式库中的图像本质结构特征；4）利用聚类算法对步骤3提取的图像本质结构特征进行分类；5）采用MPS模拟方法，按照步骤1）中定义的数据模拟路径对训练图像的模拟目标区域进行MPS模拟；6）查找模拟目标区域是否还存在未知像素点，如果还存在未知像素点则转至步骤7），反之则转至步骤10）；7）查找模拟目标区域内是否还存在条件数据，如果还存在条件数据则转至步骤8），反之则转至步骤9）；8）从步骤4）的各个分类中，找出与模拟目标区域的当前数据事件的欧式距离最小的分类，并从该分类中随机提取一个数据事件，并将提取出的数据事件复制到模拟目标区域的当前数据事件位置，然后再转至步骤6）；9）从训练图像模式库中随机提取一个数据事件，并将提取出的数据事件复制到模拟目标区域的当前数据事件位置，然后再转至步骤6）；10）训练图像的模拟结束。