[发明专利]一种基于地球物理数据使用堆叠法的三维地质建模方法

说明书

本发明公开了一种基于地球物理数据使用堆叠法的三维地质建模方法，其特征在于，处理方法包括：本方法包括Stacking集成方法，所述Stacking集成方法包括三维特征提取方法和数据预处理方法，其中所述三维特征提取方法包括三维钻孔模型，通过所述三维钻孔模型分析得到的岩性样本，在通过岩性样本分析的结果得出不同的岩石种类，在通过这些不同的岩石种类得出玄武岩、花岗岩或者其他的岩性；本发明的有益效果：本方法基于机器学习中的Stacking模型，融合了RF,SVM,GBDT,NN,XGBoost等机器学习算法，基于原始的地质数据(三维坐标、岩性等)与地球物理数据(磁化率、剩余密度等)，训练出一个能够对研究区进行三维岩性分类的模型，以达到快速三维地质建模的目的。

技术领域

本发明涉及矿产资源勘测领域，更具体地说，属于一种基于地球物理数据使用堆叠法的三维地质建模方法。

背景技术

近些年机器学习方法发展迅速，当模型的输入特征维度较高并且与岩性的映射关系为非线性的时候，机器学习算法比传统的地质统计学具有更好的预测效果。近些年来许多研究着重于将一些算法应用在三维地质建模的某个领域，如基于机器学习的钻孔数据隐式三维地质建模方法，基于机器学习与可靠度算法的围岩动态分级方法等。要使三维地质模型在输入变量较多的情况下相对准确，必须建立一种综合单个分类器的集成分类器来提高岩性分类的准确度，使用机器学习方法建立三维地质模型，以期减少工作量，提升模型准确率。

故本方法基于机器学习中的Stacking模型，融合了RF,SVM,GBDT,NN, XGBoost等机器学习算法，基于原始的地质数据(三维坐标、岩性等)与地球物理数据(磁化率、剩余密度等)，训练出一个能够对研究区进行三维岩性分类的模型，以达到快速三维地质建模的目的。

发明内容

针对现有应用及技术存在的不足，本发明提供了一种基于地球物理数据使用堆叠法的三维地质建模方法。该方法能够很好地解决传统方法中效率和模型准确性等问题。基于此方案，用户可以通过电脑编程输入程序，因此，用户可以放心的借助电脑终端进行同步操作，对于矿产资源勘查的准确性和效率提升问题具有十分重要的意义。

为实现上述目的，本发明提供了如下技术方案：

一种基于地球物理数据使用堆叠法的三维地质建模方法，处理方法包括：本方法包括Stacking集成方法，所述Stacking集成方法包括三维特征提取方法和数据预处理方法，其中所述三维特征提取方法包括三维钻孔模型，通过所述三维钻孔模型分析得到的岩性样本，在通过岩性样本分析的结果得出不同的岩石种类，在通过这些不同的岩石种类得出玄武岩、花岗岩或者其他的岩性，然后通过这些不同岩性分类组成三维密度模型和三维磁化率模型；所述数据预处理方法包括原始数据集，通过所述原始数据集得出标准化数据、处理数据类别不平衡和数据划分训练测试集，在通过所述所述原始数据集得出标准化数据、处理数据类别不平衡和数据划分训练测试集得出最终的数据集。

进一步的，通过所述三维密度模型和三维磁化率模型可以得出所述原始数据集。

进一步的，通过所述原始数据集分别得出SVM、GBDT、NN、RF、XGboost, 通过所述SVM、GBDT、NN、RF、XGboost组成测试模型。

进一步的，所述测试模型包括测试集和训练集，所述测试集和训练集得出RF、SVM、NN、RF、XGboost。

本发明的有益效果：

本发明通过一种基于地球物理数据使用堆叠法的三维地质建模方法解决了原有的地球物理数据勘探技术问题：

本方法基于机器学习中的Stacking模型，融合了RF,SVM,GBDT,NN, XGBoost等机器学习算法，基于原始的地质数据(三维坐标、岩性等)与地球物理数据(磁化率、剩余密度等)，训练出一个能够对研究区进行三维岩性分类的模型，以达到快速三维地质建模的目的。

附图说明