[发明专利]一种基于机器学习的三维地质建模方法

说明书

本发明涉及一种基于机器学习算法应用于沉积地层的三维地质体构建方法，该方法可以避免有限稀疏地质数据导致建模结果不准确，质量不高，模型出现棱角、不光滑的情况，将地层三维建模问题转换为地下空间栅格单元的属性分类问题，利用机器学习算法对已有真实地质数据进行训练，决策出最佳分类器以及控制分类器的最优超参数，通过训练过的最佳分类器预测出没有探测区域的地质信息，进行沉积地层三维模型构建，该方法可以提高地质三维模型对实际地层结构的还原度以及准确度，获得的三维模型也较为光滑、合理，同时过程简单、节约成本、建模速度快，具有实际的工程应用价值。

技术领域

本发明涉及三维地质建模领域，具体是一种基于机器学习算法应用于沉积地层的三维地质体构建方法。

背景技术

三维地质建模是实现地质数据可视化、地质空间分析、透明地质以及数字地球的关键技术，随着经济与社会的发展，资源、生态、环境相互关联程度日益增强，建立三维地质模型，为灾害防治、资源开发、生态改善提供科学与决策依据，已经变得刻不容缓。

三维地质模型以各种原始数据，包括钻孔、剖面、地震数据、等深图、地质图、地形图、物探数据、化探数据、工程勘察数据、水文监测数据等为基础,建立能够反映地质构造形态、构造关系及地质体内部属性变化规律的数字化模型。但由于获取这些数据成本较高，在研究区域内往往只能获得有限、稀疏的地质资料，建模过程繁琐，建模质量难以保证。近些年迅速发展的机器学习方法在计算机视觉、自然语言处理等领域已取得了突破性进展，在某些方面其效果甚至已经超过了人类的表现，如何将机器学习的方法引入到地质问题中来已成为近期地学建模领域的研究热点。

发明内容

本发明的目的是提供一种基于机器学习的三维地质建模方法。该方法可以避免有限稀疏地质数据导致建模结果不准确，质量不高，模型出现棱角、不光滑的情况，将地层三维建模问题转换为地下空间栅格单元的属性分类问题，利用机器学习算法根据已有真实地质数据预测出没有探测区域的地质信息，可以提高地质三维模型对实际地层结构的还原度以及准确度，并提高地质建模工作的效率。

本发明实现发明目的采用如下技术方案：

一种基于机器学习的三维地质建模方法，具体实现包括以下步骤：

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，并进行超参数寻优，获取最佳训练分类器；

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。

作为优选，本发明提供的一种基于机器学习的三维地质建模方法，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，然后将地质信息导入到识别模型中，生成并发送地质构造信息。

作为优选，本发明提供的一种基于机器学习的三维地质建模方法，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。