摘要
本发明涉及地质图像数据处理技术领域,公开基于地质地貌的自适应多模态地表基质层厚度预测方法,包括:根据地质地貌特征将研究区域拆分为若干子区域;根据各子区域的地质地貌特征,确定典型特征;根据典型特征确定专用机器学习算法;根据专用机器学习算法和典型特征处理各子区域,确定各子区域的第一预测结果;获取研究区域内的各数据调查点,根据各数据调查点确定研究区域内数据稀疏区域;通过克里金插值方法对各数据稀疏区域进行处理,确定各数据稀疏区域的第二预测结果;将各第一预测结果和各第二预测结果整合及平滑,确定最终预测结果。本发明针对不同地质地貌特征自适应调整模型,显著提高了地表基质层厚度预测的精度和可靠性。
技术关键词
层厚度
多模态
专用机器
地貌特征
栅格
学习算法
克里金插值方法
深度神经网络算法
图像数据处理技术
支持向量机算法
典型
随机森林
多项式
精度
误差
邻域
植被
曲面
系统为您推荐了相关专利信息
多模态影像数据
多模态成像方法
三维可视化算法
图像处理模块
导航系统
情绪识别方法
陪护方法
多模态特征融合
情绪识别模型
面部表情特征
局部放电缺陷
智能识别方法
多模态深度神经网络
光学检测系统
空间滤波方法
风险识别模型
分层注意力
Cox比例风险模型
前馈神经网络
识别方法