System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及工程地质勘探,尤其涉及一种多源地球物理场融合解译方法。
技术介绍
1、工程地质勘探是为查明影响工程建筑物的地质因素而进行的地质调查研究工作。所需勘察的地质因素包括地质结构或地质构造:地貌、水文地质条件、土和岩石的物理力学性质,自然(物理)地质现象和天然建筑材料等。这些通常称为工程地质条件。查明工程地质条件后,需根据设计建筑物的结构和运行特点,预测工程建筑物与地质环境相互作用(即工程地质作用)的方式、特点和规模,并作出正确的评价,为确定保证建筑物稳定与正常使用的防护措施提供依据。
2、然而,现有的解译方式通常是对不同方法探测成果的特征进行融合,或是对不同方法的数据进行融合,难以应用于不同方法、不同形式的探测成果,应用存在局限。
3、上述内容仅用于辅助理解本专利技术的技术方案,并不代表承认上述内容是现有技术。
技术实现思路
1、本专利技术的主要目的在于提供一种多源地球物理场融合解译方法,旨在解决现有技术中已有的解译方式难以应用于不同方法、不同形式的探测成果的技术问题。
2、为实现上述目的,本专利技术提供了一种多源地球物理场融合解译方法,所述方法包括以下步骤:
3、根据多源地球物探数据,构建样本数据与样本标签;
4、根据地质岩性界面信息、地质构造位置信息以及地质构造倾向信息,构造预设网络模型的损失函数;
5、基于所述样本数据与所述样本标签,对所述预设网络模型进行训练,以使所述损失函数达到最小,得到智能解
6、基于所述智能解译模型,对目标物探数据进行融合解译,得到地质剖面的预测结果。
7、可选地,所述根据地质岩性界面信息、地质构造位置信息以及地质构造倾向信息,构造预设网络模型的损失函数,包括:
8、获取区域地质资料,根据所述区域地质资料,确定所述地质岩性界面信息、所述地质构造位置信息以及所述地质构造倾向信息;
9、根据所述地质岩性界面信息、所述地质构造位置信息以及所述地质构造倾向信息,生成地质特征向量;
10、根据所述地质特征向量与所述预设网络模型的输出之间的差异,构造地质约束正则项;
11、将所述地质约束正则项添加至所述预设网络模型的预设损失函数中,生成所述损失函数。
12、可选地,所述基于所述样本数据与所述样本标签,对所述预设网络模型进行训练,以使所述损失函数达到最小,得到智能解译模型,包括:
13、将所述样本数据与所述样本标签输入所述预设网络模型,基于前向传播策略和反向传播策略,更新所述预设网络模型的权重和偏置,所述预设网络模型包括多个三维卷积层;
14、在所述损失函数达到最小时,确定所述预设网络模型训练完成,得到所述智能解译模型。
15、可选地,所述多源地球物理场融合解译方法,还包括:
16、基于预设优化参数与预设优化策略,对所述预设网络模型的训练进行优化,所述预设优化策略至少包括早停策略、正则化策略、数据增强策略、学习率衰减策略以及批量归一化策略,所述预设优化参数至少包括批次参数、学习率参数、迭代参数以及比例参数。
17、可选地,所述样本数据包括样本输入数据与样本输出数据,所述根据多源地球物探数据,构建样本数据与样本标签,包括:
18、获取预设三维网格空间;
19、基于所述预设三维网格空间的网格尺寸,对所述多源地球物探数据进行重采样,得到所述样本输入数据,所述样本输入数据包括一维数据、二维数据以及三维数据;
20、根据所述样本输入数据,分别确定所述样本输入数据对应的样本标签与样本输出数据。
21、可选地,所述根据所述样本输入数据,分别确定所述样本输入数据对应的样本标签与样本输出数据,包括:
22、基于所述样本输入数据在所述预设三维网格空间中的位置信息,标注所述样本输入数据对应的网格;
23、根据所述样本输入数据对应的网格,构造所述样本输入数据对应的样本标签;
24、根据所述预设三维网格空间中标注的网格,确定所述样本输入数据对应的样本输出数据,所述样本输出数据的类型为分类输出类型和回归输出类型中任一项。
25、可选地,所述基于所述样本输入数据在所述预设三维网格空间中的位置信息,标注所述样本输入数据对应的网格,包括:
26、在所述样本输入数据的类型为数值类型时,根据所述样本输入数据对应的数值,对所述样本输入数据对应的网格进行标注;
27、在所述样本输入数据的类型为存在类型时,根据所述样本输入数据的存在状态,在预设数值中确定目标标注数值,根据所述目标标注数值,对所述样本输入数据对应的网格进行标注。
28、可选地,所述根据多源地球物探数据,构建样本数据与样本标签,包括:
29、对地质数据与勘探策略进行模拟仿真,得到仿真地质模型,所述地质数据至少包括构造数据、岩性分界数据、不良地质数据以及复杂地形数据,所述勘探策略至少包括电策略、电磁策略、重力策略、磁策略、反射地震策略以及面波策略中一项;
30、根据所述仿真地质模型,确定地质剖面数据,将所述地质剖面数据作为所述样本数据;
31、根据所述仿真地质模型,确定几何分布数据,将所述几何分布数据作为所述样本标签。
32、可选地,所述基于所述智能解译模型,对目标物探数据进行融合解译,得到地质剖面的预测结果之前,还包括:
33、获取测试数据与测试标签;
34、将所述测试数据与所述测试标签输入所述智能解译模型,得到测试结果;
35、根据所述测试结果,计算预设评估指标的分数;
36、基于所述预设评估指标的分数,对所述智能解译模型进行评估,确定所述智能解译模型是否合格;
37、在所述预设评估指标的分数满足预设阈值条件时,确定所述智能解译模型合格,返回执行基于所述智能解译模型,对目标物探数据进行融合解译,得到地质剖面的预测结果的步骤。
38、可选地,所述多源地球物理场融合解译方法,还包括:
39、在所述预设评估指标的分数不满足预设阈值条件时,确定所述智能解译模型不合格;
40、基于所述样本数据与所述样本标签,重新对所述预设网络模型进行训练,得到新的智能解译模型,返回执行将所述测试数据与所述测试标签输入所述智能解译模型,得到测试结果的步骤。
41、此外,为实现上述目的,本专利技术还提出一种多源地球物理场融合解译装置,所述多源地球物理场融合解译装置包括:
42、模型构建模块,用于根据多源地球物探数据,构建样本数据与样本标签;
43、所述模型构建模块,还用于根据地质岩性界面信息、地质构造位置信息以及地质构造倾向信息,构造预设网络模型的损失函数;
44、所述模型构建模块,还用于基于所述样本数据与所述样本标签,对所述预设网络模型进行训练,以使所述损失函数达到最小,得本文档来自技高网...
【技术保护点】
1.一种多源地球物理场融合解译方法,其特征在于,所述多源地球物理场融合解译方法,包括:
2.如权利要求1所述的方法,其特征在于,所述根据地质岩性界面信息、地质构造位置信息以及地质构造倾向信息,构造预设网络模型的损失函数,包括:
3.如权利要求1所述的方法,其特征在于,所述基于所述样本数据与所述样本标签,对所述预设网络模型进行训练,以使所述损失函数达到最小,得到智能解译模型,包括:
4.如权利要求1所述的方法,其特征在于,所述多源地球物理场融合解译方法,还包括:
5.如权利要求1所述的方法,其特征在于,所述样本数据包括样本输入数据与样本输出数据,所述根据多源地球物探数据,构建样本数据与样本标签,包括:
6.如权利要求5所述的方法,其特征在于,所述根据所述样本输入数据,分别确定所述样本输入数据对应的样本标签与样本输出数据,包括:
7.如权利要求6所述的方法,其特征在于,所述基于所述样本输入数据在所述预设三维网格空间中的位置信息,标注所述样本输入数据对应的网格,包括:
8.如权利要求1所述的方法,其特征
9.如权利要求1至8任一项所述的方法,其特征在于,所述基于所述智能解译模型,对目标物探数据进行融合解译,得到地质剖面的预测结果之前,还包括:
10.如权利要求9所述的方法,其特征在于,所述多源地球物理场融合解译方法,还包括:
...【技术特征摘要】
1.一种多源地球物理场融合解译方法,其特征在于,所述多源地球物理场融合解译方法,包括:
2.如权利要求1所述的方法,其特征在于,所述根据地质岩性界面信息、地质构造位置信息以及地质构造倾向信息,构造预设网络模型的损失函数,包括:
3.如权利要求1所述的方法,其特征在于,所述基于所述样本数据与所述样本标签,对所述预设网络模型进行训练,以使所述损失函数达到最小,得到智能解译模型,包括:
4.如权利要求1所述的方法,其特征在于,所述多源地球物理场融合解译方法,还包括:
5.如权利要求1所述的方法,其特征在于,所述样本数据包括样本输入数据与样本输出数据,所述根据多源地球物探数据,构建样本数据与样本标签,包括:...
【专利技术属性】
技术研发人员:张邦,周根郯,刘铁华,赵威,杨磊,周维,汪文刚,陈应君,吴玄,陈支兴,
申请(专利权)人:中铁第四勘察设计院集团有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。