[发明专利]一种基于机器学习的三维地质建模方法

权利要求书

1.一种基于机器学习的三维地质建模方法，其特征在于，包括：

步骤1，提取地质信息，数据预处理；

步骤2，通过人为地质特征分类数据，对地质信息进行分类标记，以得到初始地质特征信息；

步骤3，采用基于机器学习算法对初始地质特征信息进行训练，得到训练分类器；

步骤4，建立地质体空间栅格单元；

步骤5，由训练好的分类器对地质体建模区域进行预测分类，将预测结果与真实地质数据进行比较，检验其准确率；

步骤6，构建三维地质模型。

2.根据权利要求1所述的一种基于机器学习的三维地质建模方法，其特征在于，所述提取地质信息，数据预处理，主要是从钻孔数据或者二维地质剖面图数据中提取勘探点的平面坐标、高程、各地层分界点的深度和地层类别，生成地质构造信息。

3.根据权利要求1所述的一种基于机器学习的三维地质建模方法，其特征在于，所述通过人为地质特征分类数据，对地质信息进行分类标记，以得到初始地质特征信息，是将得到的地质构造信息，对其进行重采样，并按一定步长进行精细处理，使得地质数据成为一系列具有空间位置和地层属性的点，建立特征类别数据集。

4.根据权利要求1所述的一种基于机器学习的三维地质建模方法，其特征在于，所述采用基于机器学习算法对初始地质特征信息进行训练，得到训练分类器，是将地质特征类别数据集作为训练数据，分析该训练数据，根据地质特征数据和类别数据，产生一个具有推断的功能并可以用于映射出地质类别的训练分类器。

5.根据权利要求4所述的一种基于机器学习的三维地质建模方法，其特征在于，训练分类器可以选用不同算法的分类器，包括支持向量机(svm)，决策树，k-最近邻，神经网络等。

6.根据权利要求5所述的一种基于机器学习的三维地质建模方法，其特征在于，为了避免高维空间中的“维数灾难”问题而引入核函数，是支持向量机算法中对分类效果影响最为显著的参数，核函数包括线性核函数、多项式核函数、径向核函数以及Sigmoid核函数。

7.根据权利要求1所述的一种基于机器学习的三维地质建模方法，其特征在于，所述建立地质体空间栅格单元，将待构建三维地质模型作为一个大的立方体，输入立方体各顶点坐标以及将要建立栅格单元的步长，获得由大小相等栅格单元组成的地质体，并得到每个栅格单元中心位置的坐标数据，同时对立方体添加地质类别的属性，用来存放各栅格单元的分类。

8.根据权利要求1所述的一种基于机器学习的三维地质建模方法，其特征在于，所述由训练好的分类器对地质体建模区域进行预测分类，是将接收到的地质体空间栅格单元坐标数据通过训练好的分类器进行预测分类，得到各栅格单元的地质类别。

9.根据权利要求1所述的一种基于机器学习的三维地质建模方法，其特征在于，所述将预测结果与真实地质数据进行比较，检验其准确率，是随机选择几个钻孔的数据(约占全部钻孔的10％)作为验证集进行预处理，不参与建模。用剩余的钻孔数据进行建模后，检查验证集的建模总体精度用来评判建模效果。

10.根据权利要求1所述的一种基于机器学习的三维地质建模方法，其特征在于，所述构建三维地质模型，是将预测得到的各栅格单元类别存放到之前建立好的立方体类别属性中，最终获得地质界限清晰的三维地质模型。