CN101906965B - Vr地质环境下的地层识别与分析方法 - Google Patents
Vr地质环境下的地层识别与分析方法 Download PDFInfo
- Publication number
- CN101906965B CN101906965B CN2010102259900A CN201010225990A CN101906965B CN 101906965 B CN101906965 B CN 101906965B CN 2010102259900 A CN2010102259900 A CN 2010102259900A CN 201010225990 A CN201010225990 A CN 201010225990A CN 101906965 B CN101906965 B CN 101906965B
- Authority
- CN
- China
- Prior art keywords
- data
- identification
- model
- stratum
- geological
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000005516 engineering process Methods 0.000 title abstract description 11
- 238000004458 analytical method Methods 0.000 claims abstract description 46
- 238000000034 method Methods 0.000 claims abstract description 44
- 238000012800 visualization Methods 0.000 claims abstract description 11
- 238000003325 tomography Methods 0.000 claims description 38
- 238000012937 correction Methods 0.000 claims description 17
- 230000015572 biosynthetic process Effects 0.000 claims description 16
- 230000000875 corresponding effect Effects 0.000 claims description 15
- 239000011435 rock Substances 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 14
- 238000009826 distribution Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 9
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 8
- 238000012360 testing method Methods 0.000 claims description 7
- 241001269238 Data Species 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 5
- 230000002452 interceptive effect Effects 0.000 claims description 5
- 210000002706 plastid Anatomy 0.000 claims description 5
- 239000000284 extract Substances 0.000 claims description 4
- 230000008676 import Effects 0.000 claims description 4
- 230000007812 deficiency Effects 0.000 claims description 3
- 238000005553 drilling Methods 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 claims description 3
- 238000013459 approach Methods 0.000 claims description 2
- 238000013528 artificial neural network Methods 0.000 claims description 2
- 230000001149 cognitive effect Effects 0.000 claims description 2
- 238000013210 evaluation model Methods 0.000 claims description 2
- 238000005457 optimization Methods 0.000 claims description 2
- 238000013441 quality evaluation Methods 0.000 claims description 2
- 238000007789 sealing Methods 0.000 claims description 2
- 238000004088 simulation Methods 0.000 abstract description 9
- 230000003068 static effect Effects 0.000 abstract description 3
- 238000010276 construction Methods 0.000 abstract description 2
- 238000005094 computer simulation Methods 0.000 abstract 1
- 239000003245 coal Substances 0.000 description 30
- 230000000007 visual effect Effects 0.000 description 13
- 239000004927 clay Substances 0.000 description 11
- 238000011161 development Methods 0.000 description 7
- 238000010168 coupling process Methods 0.000 description 6
- 238000013499 data model Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000011160 research Methods 0.000 description 6
- 239000004576 sand Substances 0.000 description 5
- 239000007787 solid Substances 0.000 description 5
- 229940037003 alum Drugs 0.000 description 4
- 230000008878 coupling Effects 0.000 description 4
- 238000005859 coupling reaction Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000002123 temporal effect Effects 0.000 description 4
- 102000002322 Egg Proteins Human genes 0.000 description 3
- 108010000912 Egg Proteins Proteins 0.000 description 3
- 238000007654 immersion Methods 0.000 description 3
- 210000004681 ovum Anatomy 0.000 description 3
- 238000012827 research and development Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000000844 transformation Methods 0.000 description 3
- 239000005995 Aluminium silicate Substances 0.000 description 2
- 241001192665 Anous Species 0.000 description 2
- 241000721701 Lynx Species 0.000 description 2
- 235000012211 aluminium silicate Nutrition 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 229910052500 inorganic mineral Inorganic materials 0.000 description 2
- NLYAJNPCOHFWQQ-UHFFFAOYSA-N kaolin Chemical compound O.O.O=[Al]O[Si](=O)O[Si](=O)O[Al]=O NLYAJNPCOHFWQQ-UHFFFAOYSA-N 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 239000011707 mineral Substances 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 208000035126 Facies Diseases 0.000 description 1
- 241001048293 Isopaches Species 0.000 description 1
- 241000879775 Lynx canadensis Species 0.000 description 1
- 241001415846 Procellariidae Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000001143 conditioned effect Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013479 data entry Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000004215 lattice model Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000035807 sensation Effects 0.000 description 1
- 238000005211 surface analysis Methods 0.000 description 1
Images
Landscapes
- Geophysics And Detection Of Objects (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
VR地质环境下的地层识别与分析方法，在资料解释与识别基础上，包括以下步骤：1)地质数据预处理、2)三维地层模型识别与构建、3)空间可视化分析修正；上述的每个步骤都需要依据“空间信息质量检测模型”进行相应的效验检测。提供了一种三维地层几何识别、多维属性识别并结合静态模拟可视化技术，实现地质数据的形态表达(空间表达)，和一种物理规则、相关应用的模型与识别分析方法以及知识表达并结合动态模拟可视化技术，实现地质模型的动态表达(时空表达)，最终实现VR地质现实的真实感构建，即在计算机生成的VR环境中模拟实际上可实现的或实际上难以实现的或根本无法实现的地质环境，为地质学者提供一种崭新的高科技手段。
Description
技术领域
本发明涉及一种地层识别与分析方法，尤其是一种利用现有地质数据进行VR地质环境下的地层识别与分析方法。
背景技术
为了对研究区域的地层空间分布情况、岩性分布情况以及金、矿等的位置、勘探储量计算等进行描述和研究，了解地质特征，可以利用现有地质数据进行地层识别并进行可视化分析显示。它不仅可以为地质学者提供一个直观地观察与研究地质单元的空间展布及其相互关系、对研究区现有大量地质数据和资料进行有效保存与管理的手段，同时，还能够对已完成的勘察工作进行检验，为后续的勘探设计、施工操作等提供有力的地质依据。能够广泛地应用于地质勘探、城市规划等领域。
由于地质现象的复杂性和不确定性等特点，地质学者可以考虑多种地质因素和复杂条件进行地层识别与模拟，在一定的范围内，建立多种可能的实现，产生最优、最合理、最符合地质规律的模型设计方案，揭示地质体内部结构、空间复杂的变化规律以及属性参数的分布特征，进行综合一体化和三维定量化的研究与管理，直接反映出地质现象中的不确定性等因素。三维地质识别技术将为地质学者的研究开发工作提供一个坚实的支撑，提高分析地质体的能力，包括预测钻孔位置、自动探明断层产状等，并且通过耦合研究区域多源数据，完善空间信息处理的方法，提供统一的三维显示通道，以支持在同一个坐标系中勘探数据的全方位、一体化显示。改进与完善空间地质数据的集成或耦合方法、数据的表达形式、空间地质几何形态的模型描述，已成为地质学者的迫切需求。随着勘探地球物理、遥感影像处理等技术的迅速发展，使地质数据、摄影测量数据、遥感数据以及地球物理数据的三维空间多源数据耦合成为可能，为快速、准确地建立三维复杂地质模型提供了前提，奠定了基础，拓宽了对包含逆冲断层、倒转褶皱等复杂地质体进行资源分析与评价的应用范围。基于多源数据的地质模型及其信息处理系统还能够提供重要的经济决策依据，如投资优先策略、发展规划、未来勘探预算等。
一个VR地质环境由硬件和软件两大部分组成。
硬件部分主要包括：输入处理设备、输出处理设备和专业图形工作站或高性能RC机。
输入处理设备主要是指数据采集设备，主要包括数据的野外采集设备、数据扫描仪及绘图仪等，完成数据的野外采集、数据的扫描及矢量化处理等任务。其它的输入处理设备主要实现数据的交互式输入和批量输入处理。通过输入设备将数据输入系统，如2D/3D数据模型导入，同时实现用户与VR场景的交互性操作，通过手、眼、头等的位置和方向信息，以确定绘制VR地质的视点位置、跟踪信息、对象拾取、VR漫游等。主要的输入设备有键盘、鼠标、位置跟踪器、数据手套、力反馈器等。位置跟踪器主要用在沉浸式VR系统中，用来测量用户的头部或者身体的某个部位的空间位置和角度，一般与其他VR设备结合使用，如：头盔、立体眼镜、数据手套等，用户在空间上能够自由移动、旋转。三维鼠标可以控制VR场景做自由漫游，或控制场景中某个物体的空间位置及其方向，一般与数据手套、立体眼镜配合使用，可大幅度提高制作效率。数据手套是一种多模式的VR设备，可进行VR场景中物体的抓取、移动、旋转等动作，也可以利用它的多模式性，用作一种控制场景漫游的工具。力反馈器是VR研究中的一种重要的设备，该设备能使参与者实现VR环境中除视觉、听觉之外的第三感觉，即触觉和力感，进一步增强VR环境的交互性，从而真正体会到VR世界中的交互真实感。
输出处理主要完成视觉信号、听觉信号、触觉信号以及嗅觉信号的输出。目前，主要还是以视觉信号和听觉信号的输出为主，且技术成熟。主要的输出设备包括立体转换器、立体眼镜、头盔显示器、立体投影幕、立体投影机等。立体转换器将各种平面信号转换为立体信号，通过它可以实现视频图像从二维到三维的立体转换，与LCD及DLP投影机的结合可以在3D立体表现上，展示一个全真的立体空间。立体眼镜是用于观看立体场景、仿真效果的计算机装置，基于页交换模式的立体眼镜，分有线和无线两种，是目前最为流行的VR观察设备。头盔显示器可单独与主机相连以接受来自主机的立体或非立体图形信号，使用者可以不受外界环境的干扰，在视觉上可以达到沉浸式效果。立体投影幕是为满足特殊仿真的输出需求，投影效果由多画面拼接而成。根据投影的方式，可分为正头、背投，或平面、拄面投影，拄面投影可满足现场沉浸感的需求。立体投影机可以实现高分辨率、高清晰度、无闪烁、大幅面逐行三维立体投影显示。
专业图形工作站或高性能PC机可以实现高速三维立体图形处理能力，实现专业三维图形高质量实时加速、实时交互。
软件部分主要包括：输入处理、输出处理、三维地层识别与可视化分析相关技术以及数据库等，例如，VR视景驱动软件、三维地质识别软件系统、VR开发平台、Oracle数据库系统等。
目前，国内外进行地层识别与可视化识别的方法主要有二大类：
第一类由密集数据直接转换为属性模型，一般采用体素Voxel数据模型。这种识别方法适用于掌握了充足的地质数据(如2D/3D地震剖面)的应用领域，识别过程中不需要太多的解释和插值拟合，模拟的精度比较高，但是由于不建立网格模型且不包含拓扑关系，难以实现对于后期需要建立在网格模型基础上的工程计算与应用分析。
第二类从一系列观测资料或离散数据中确定地质体的三维数据模型。这种识别方法适用于不同比例尺数据的模拟，由于建立了地质体的网格模型，易于实现空间数据分析与应用，因此，也是目前采用比较广泛的识别方法。这种方法又包含常用的两种识别方式：基于剖面(section)的识别和基于层面(horizon)的识别。
由法国ENSG组织研制的GOCAD的三维地质识别及其解释标准已经在全世界被广泛接收。自八十年代以来，Mallet领导的课题组始终致力于三维地质识别的研究，主要从事地质构造识别和地球物理学分析。构造识别包括断层和地层识别，由点、线重构面以及由2D剖面重构3D几何元的识别方式。EarthVision由Dynamic Graphics公司研制的三维识别与可视化软件，最新版本EarthVision 6正试图简化三维识别的处理过程，并将系统从工作站移植到PC平台，以降低90％的硬件费用，扩大应用范围。EarthVision系统包括构造识别、岩层识别、剖面生成和几何重构等模块，提供了最小张力法、克里金法等多种网格插值方法，采用面向过程的三维识别方法。由美国Advanced Visual Systems公司推出的高级可视化系统AVS，提供对三维非结构网格和均匀计算网格进行显示和处理的图形组建基本技术，具有构造等值面、等值线、显示其范围及走向，并用不同颜色显示出多种参数及其相互关系等功能。由挪威TECHNOGUIDE软件公司研制的三维可视化识别软件PETREL，采用地质统计和多种数学方法以及随机识别方法建立构造模型、描述储层参数、以及计算地震和沉积相的分布。PETREL结合测井解释、地质解释、地震解释和地震属性处理成果，将随机识别法与三维显示技术有机的结合起来，进行油藏识别。
然而，上述软件主要针对石油勘探领域开发的系统，依赖于密集的、均一的样本数据，数据采样不充足时，不确定性导致模型建立非常困难。
LYNX是由加拿大LYNX Geosystems公司专门面向地质采矿开发的软件系统，可以实现矿山开发、矿藏评价、采矿规划等功能。提供块体模型、多边形模型和断面矿脉模型等几何模型方法，集成实体插值、面插值、反向距离和KRIGING等插值方法。LYNX系统专门面向煤矿设计与资源管理，没有从理论上加以系统完整的研究，没有面向通用平台进行设计，因此具有较强的局限性。
Noddy系统由Monash大学开发研制，是采用运动模拟识别方法的典型代表。它并不直接建立地质体模型，而是通过对初始模型应用一系列标准地质体变形，交互式地完成复杂体的识别过程，类似机械CAD的识别理念。建立基于体元的数据模型。Noddy方法的缺点就是不能够直接融合样本数据，极度不规则体的识别很难实现。
发明内容
经过长期的研究开发，本发明克服了上述现有技术的不足，目的之一在于：提供一种三维地层几何识别、多维属性识别并结合静态模拟可视化分析方法，实现地质数据的形态表达(空间表达)。
本发明的进一步目的在于：提供一种物理规则、相关应用的模型与识别分析方法以及知识表达并结合动态模拟可视化分析方法，实现地质模型的动态表达(时空表达)。
本发明的更进一步目的还在于：形态表达(空间表达)与动态表达(时空表达)最终实现VR地质现实的真实感构建，即在计算机生成的VR环境中模拟实际上可实现的或实际上难以实现的或根本无法实现的地质环境，为地质学者探索地表或地下世界的奥秘提供一种崭新的高科技手段。
为了实现上述目的，本发明采用了以下分析方法方案：VR地质环境下的地层识别与分析方法，包括以下步骤：资料解释与识别、地质数据预处理、三维地层模型识别与构建、空间可视化分析修正。
所述的资料解释与识别，分为资料收集、整理分类、分析解析和推断识别四个过程；
所述的地质数据预处理，是根据上述的资料解释与识别，将研究区的地质数据分为：岩芯、地质边界、地层、断层、褶皱、剖面(原始剖面、辅助剖面图)、DTM/DEM数据等，按照发明人研发的GeoSIS系统要求的数据格式进行数据的矢量化处理，并完成数据输入或导入；经过数据效验检测后，这些地质数据将作为三维地层识别与构建的依据。
所述的三维地层模型识别与构建是通过多源数据集成将上述的地质数据融合到三维空间进行集成、识别与校正并实现一体化显示；在此基础上，首先建立褶皱模型、岩层初始模型、断层模型等；然后，通过SSI运算、曲面合并算法等建立地层面模型；继而生成地层实体模型，最终完成地层属性模型的识别构建。
所述的地层面模型识别与构建，主要包括以下几个步骤：1：进行正确的地质解释，通过地层识别对比，划分不同的层面，确定每个层面的水平、垂直方向的变化规律；2：断层面F＝{F1，F2，...}的识别；3：地层面S＝{S1，S2，...}的识别；4：边界面B＝{B1，B2，...}重构，并根据地质体空间展布的几何形态，标注各个块体Li；5：根据2-4的操作结果构建地层的拓扑结构；6：根据所建立的拓扑结构，采用层次遍历算法，即可进行地层的自动识别、查找、维护等操作。步骤1、2、3、4均设置误差检测机制，可以通过交互方式重构模型，获得满意的、真实的三维地层模型。
所述的空间可视化分析修正，是对建立的模型进行可靠性检测与修正，如果模型精度无法满足用户需求，则反馈到地层识别等阶段，并提供修正的方案和策略。
上述的每个步骤都需要依据“空间信息质量检测模型”进行相应的效验检测，如果不满足条件或用户需求，需要回溯上一个流程重新修整数据、参数或模型。空间信息质量检测模型是保证减少数据误差、提高模型精度的有效方法。
本发明的有益效果在于：本发明实现了三维地层几何识别、多维属性识别并结合静态模拟可视化分析方法，实现地质数据的形态表达(空间表达)，和物理规则、相关应用的模型与方法以及知识表达并结合动态模拟可视化分析方法，实现地质模型的动态表达(时空表达)，并最终实现了形态表达(空间表达)与动态表达(时空表达)VR地质现实的真实感构建，即在计算机生成的VR环境中模拟实际上可实现的或实际上难以实现的或根本无法实现的地质环境，为地质学者探索地表或地下世界的奥秘提供一种崭新的高科技手段，实现了发明目的；为地质学者的研究开发工作提供一个坚实的支撑，提高分析地质体的能力，包括预测钻孔位置、自动探明断层产状等，并且通过耦合研究区域多源数据，完善空间信息处理的方法，提供统一的三维显示通道，以支持在同一个坐标系中勘探数据的全方位、一体化显示。改进与完善空间地质数据的集成或耦合方法、数据的表达形式、空间地质几何形态的模型描述。
附图说明
图1：本发明VR地质环境下的地层识别与分析方法流程图。
图2：本发明复杂地层单元分裂模型。
图3：本发明表示断层网格模型与钻孔柱状模型的叠加显示图。
图4(a)：分别表示识别构建的第四纪沉积层的砂粘土层和砾卵层的层面模型图；
图4(b)自顶向下分别表示识别构建的砂岩、铝土质粘土岩、砂岩层、煤5、砂岩、煤7、砂岩高岭土、煤8、砂岩、煤9、砂岩、煤11、砂岩、煤12-1、砂岩、煤12-2、泥硅质砂岩、煤12下、砂岩/灰岩层、煤14-1、粉砂粘土岩层、k3、粉砂粘土岩层、铝土质粘土岩、奥灰的地层层面模型图；
图4(c)为主要煤层的层面模型图。
图5(a)为建立的三维地质可视化实体地层模型图；
图5(b)为剥离了部分地层之后的实体模型；
图5(c)为9号煤、12-1号媒、12下号煤三煤层叠加钻孔、断层数据模型；
图6(a)为9号煤层等值线叠加光照模型图；
图6(b)为对煤层进行开挖计算操作之后的模型图。
具体实施方式
VR地质环境下的地层识别与分析方法，如图1所示包括以下步骤：资料解释与识别、地质数据预处理、三维地层模型识别与构建、空间可视化分析修正。
所述的资料解释与识别，分为资料收集、整理分类、分析解析和推断识别四个过程；
所述的资料收集主要完成对研究区原始资料的收集，包括地质资料、勘探工程资料和物探资料三类。其中，地质资料是地质队提供的地质报告及相关附件；勘探工程资料主要包括钻井或坑道坐标、方位等工程空间位置数据，揭示岩层的岩性、产状、构造性质等特征数据以及钻孔柱状图、采样位置图等图件；物探资料指采用物探方法所获得的各种数据及图件。
所述的整理分类是对不同的原始资料采用不同的处理方法，对原始资料按类别进行整理。
所述的分析解析是对以文字、图表、图纸(如柱状图、剖面图)的形式描述的地质资料和勘探资料的分析、理解和判断，进而确定标志层，依据相应的规则，进行地层对比。
所述的推断识别是在遵循基本地质规律的前提下进行推断，依据上述的地层对比情况，实现各钻孔之间对应地层的合理连接，最终确定研究区地质体及相关构造的空间分布情况。
所述的地质数据预处理，是根据上述的资料解释与识别，将研究区的地质数据分为：岩芯、地质边界、地层、断层、褶皱、原始剖面、辅助剖面图、DTM/DEM数据等，按照GeoSIS系统要求的数据格式进行数据的矢量化处理，并完成数据输入或导入。
所述的三维地层模型识别与构建是通过多源数据集成将上述的地质数据融合到三维空间进行集成、识别与校正并实现一体化显示；在此基础上，首先建立褶皱模型、岩层初始模型、断层模型；然后，通过SSI运算、曲面合并算法建立地层面模型；继而生成地层实体模型，最终完成地层属性模型的识别构建。
所述的多源数据集成方法主要包括以下几个步骤：1：对不同来源的各种数字化地质数据进行归一化处理，以获得一系列2D、2.5-D、3D数据以及属性数据，地层界线、2D剖面、地形/煤层等高线；2：通过GeoSIS系统提供的一系列接口工具：SHP图层接口工具、CAD接口工具、异构文件接口工具，将数字化地质数据分别导入VR地质环境中，并进行初始的数据检测与修正，识别有效输入数据；3：对各类数据进行加权操作，权值范围在0～1之间；4：释放内存空间；5：采用最优化匹配规则，设置空间一致性参数：扰动阀值参数、等值参数，将各组数据依次导入VR地质环境中；6：利用空间信息质量检测模型进行数据一致性检测，如果检测结果不满足要求，需要转入步骤3重新操作；7：从地质数据中抽象出各种几何对象：岩芯数据以点或线对象存取、从地震剖面中提取的点或线及多边形对象，并将各种几何对象融合到VR地质环境中，保证所有数据的一致性，同时减少数据冗余。
所述的地层面模型识别与构建，主要包括以下几个步骤：1：进行正确的地质解释，通过地层识别对比，划分不同的层面，确定每个层面的水平、垂直方向的变化规律；2：断层面F＝{F1，F2，...}的识别；3：地层面S＝{S1，S2，...}的识别；4：边界面B＝{B1，B2，...}重构，并根据地质体空间展布的几何形态，标注各个块体Li；5：根据2-4的操作结果构建地层的拓扑结构；6：根据所建立的拓扑结构，采用层次遍历算法，即可进行地层的自动识别、查找、维护等操作。步骤1、2、3、4均设置误差检测机制，可以通过交互方式重构模型，获得三维地层模型。
所述的断层面F＝{F1，F2，...}的识别，是根据采样区域的岩芯数据和断层属性，确定已知相邻断点参数形成的平面方程，并计算平面与平面之间的交线，然后，自动推演未知的断点参数，拟合断层面，创建所有断层将地质体各地层切割后的断层网络层次链表，建立断层的数学模型。假定研究区有m条断层，对于每条断层Fi，其中，1≤i≤m，能够从点类列表中获得第i条断层的所有断点，执行以下操作：1：如果断层数据足以充分地描述第i条断层的空间分布情况，则转3；2：如果断层数据不足，第i条断层仅有来自剖面的两个断点、以及来自钻孔的一个断点，那么需要根据断层属性推演断层面；3：基于第i条断层上的离散断点进行约束三角化，形成TIN断层面模型；4：将Fi加入断层面集合中，即F＝F∪{Fi}；5：当i＝m时，停止断层识别；6：在m条断层之间计算相交断层面的交点，并将交点插入到相应的点类列表当中，对存在交点的断层面执行局部TIN重构算法。
所述的地层面S＝{S1，S2，...}的识别，具体步骤如下：1：针对可利用的有效资料，首先进行分层识别，将研究区概化为有限的地层，如M层地层；2：对于即对于每一个地层，假如其上层或下层均未出现地层渐灭等不整合现象，则转入5；否则执行下一步；3：根据地层剖面、钻孔数据等，解释并识别上下底板地层的边界；4：对于第j层，采用最小优化覆盖方法，进行任意2-2自动求交运算，并将交点分别插入相应的边界中，同时，采用逐点跟踪技术，自动形成符合最小优化覆盖的地层边界区域；5：假定第j层由上述操作划分为n个地层面，则对于每个层面Si，其中，1≤i≤n，执行以下操作：1)如果用于层面识别的数据比较丰富，则直接转入5)；2)研究区的地质数据主要包括钻孔数据、剖面数据、以及从地质图提取的地质边界，合并生成它们的点集P＝{}，其中，来自地质边界等2D图层的点(x，y)需要插值其z值；3)由用户给定网格密度值d，生成规则点集R＝{}，同时，采用基于kriging的分区插值方法，计算其z值；4)采用聚类算法，以R作为候选点集，假定δ为两点距离的阈值，以确定点的相似度。对于每一个点p∈P，如果存在一个点r∈R，使得|pr|＜δ，则从R中删除r；5)以地质边界和地质构造边界为约束边，利用约束三角化算法生成TIN网格模型Si；6)将Si加入地层面集合中，即S＝S∪{Si}；7)当i＝n时，停止地层识别；8)对于
如果Si∩Fj≠Ф，则计算它们的交点，并搜索其影响域E。如果对于
则删除t，重构Si或Fj的E中的TIN模型；6：当i＝M时，地层面S＝{S1，S2，...}的识别完成。
所述的边界面B＝{B1，B2，...}重构，是由于存在地/断层尖灭等地质现象，地/断层网络形成了或者开放或者封闭的边界区域，通过重构边界面B＝{}，记录这些边界信息。
所述的地层实体模型构建是指在建立的上述地层面模型L的基础上继而构建实体模型，具体步骤如下：1：选定两个层面模型作为六面体实体模型构建的顶面(Lm)和低面(Ln)，其中，设Lm＜Ln；2：定义坐标系O(i，j，k)，使得i、j沿着地质体在水平方向的趋势设置，k沿着地质体的垂向设置；3：根据地质体的尺度、分辨率、密度等要求，分别设计i、j方向的网格个数，同时在局部区域可以根据密度的不同需求减少或增加网格的个数，例如，在断层附近可以增加i或j方向的网格，通过构建矢量-栅格网格模型，保证模型的精度；4：将顶面和低面投影到水平方向，生成顶面和低面的2D网格。对于复杂的地质体，以地质边界或断层为约束线，当约束线穿越网格单元时，执行单元分裂算法构建复杂地层单元分裂模型，如图2所示，目的是准确地刻画地质边界或断层的空间展布；5：建立顶面和低面的对应关系，尤其是在顶面和低面上断层线的对应关系，生成3D的六面体网格，记为H0；6：如果在顶面和低面之间还有其它一个或多个地层(如Ld)，其中，Lm＜Ld＜Ln，则将Ld的层面模型与六面体模型H0进行Boolean运算，得到最终的六面体网格模型，这个模型刻画了由顶面到低面的所有地层。
所述的地层属性模型识别具体步骤如下：1：建立属性数据库，并保证每一对象类别的数据结构中拥有一个关键字，且关键字是唯一的；2：建立上述地层实体模型；其中，地层实体模型中数据结构的建立同样要遵循1所述的原则，即保证关键字的唯一性；3：如果原始属性数据数量较少，属性数据库中的数据值与地层实体模型中的空间实体之间存在一对多(即1:n)的ER关系，则需要通过使用基于Kriging地质统计学方法或高斯过程、人工神经网络随机模拟方法来预测或估计模型中未知点的属性值；4：建立属性数据库与地层实体模型的对应关系，将属性数据库中的属性值附加/叠加在地层实体模型中网格的空间节点上，属性值覆盖整个模型，以反映属性的空间变化特征。
所述的空间可视化分析修正，是对建立的模型进行可靠性识别与修正，如果模型精度无法满足用户需求，则反馈到地层识别阶段，并提供修正的方案和策略，直至达到用户需求或质量检测标准为止。具体方法如下：1：对地层进行趋势面分析；2：可执行等值线或等厚线填充计算，并与原始地质数据进行比对；3：根据研究区实际数据、功能需求等，在地层模型上叠加光照模型或对地层模型进行纹理映射，以捕捉整体或局部区域的误差；4：对地层模型进行立体剖分、开挖计算等操作，针对地层内部识别的正确性与合理性进行深入判断；5：采用虚拟钻孔模拟测试特定位置地层识别的精度。
上述的每个步骤都需要依据“空间信息质量检测模型”进行相应的效验检测。
所述的空间信息质量检测模型由四部分组成：1)进行多源数据集成中逻辑不一致性分析，实现多源数据集成、实体识别与构建、属性识别与构建环节中数据不完整性分析；2)误差检测渗透到识别的各个环节中，涉及到空间点、线、面、体的几何检测；属性分布情况的误差检测；以及相关算法和规则的检测分析；3)基于上述分析测试结果，结合质量标准，进行误差分析与误差校正；4)通过质量评估主要评价模型的精度、可靠度指标是否符合实际及应用需求。
实施例1
以开滦集团某煤矿为例，介绍VR地质环境下的地层识别与分析方法，主要步骤与识别结果如下：
1.采用多源数据集成与不确定性分析等理论方法，将经过预处理的多源数据进行集成、耦合、转换，同时，根据空间信息质量检测模型进行数据不完整性、逻辑不一致性等不确定性分析、误差检测与误差分析校正。
2.断层面识别。从研究区域搜集的资料来看，由于钻孔和2D剖面数据有限，几乎所有的断层都无法通过来自钻孔或2D剖面的数据控制其空间产状。基于断层数学模型的理论方法，在推演断层面的基础上，结合有效的断点数据，可以进一步插值、拟合各个断层面，获得了合理解释的断层的空间数学模型。图3表示断层网络模型与钻孔柱状模型的叠加显示，总共刻画了49条3D断层模型。断层模型以.sis文件形式保存。
3.地层面识别。首先定义一个初始模板，作为重构层面模型的参考格式；之后，基于钻孔数据、地质边界、DEM数据、断层数据、层面数据以及剖面数据，自顶向下依次建立每个层面模型。图4(a)分别表示第四纪沉积层的砂粘土层和砾卵层的层面模型；图4(b)自顶向下分别表示砂岩、铝土质粘土岩、砂岩层、煤5、砂岩、煤7、砂岩高岭土、煤8、砂岩、煤9、砂岩、煤11、砂岩、煤12-1、砂岩、煤12-2、泥硅质砂岩、煤12下、砂岩/灰岩层、煤14-1、粉砂粘土岩层、k3、粉砂粘土岩层、铝土质粘土岩、奥灰的层面模型；图4(c)为仅仅选取主要煤层的层面模型，并在Z方向进行了拉伸/偏移。
用R-Tree链表结构对层状框架模型进行数据的存储管理，并将二维层状框架模型转化为“.sis”文件作为临时层面文件保存。
4.地层实体模型构建。在断层模型、层面模型的基础上，首先计算层面与层面、层面与断层、断层与断层之间的交点，重构存在交点的面状网格模型；之后，基于断层、层面模型，建立点、边、面及体几何对象之间的微观拓扑结构，以及地层、地质构造等实体对象之间的宏观拓扑结构，重构B-rep实体模型，在此基础上建立了3D grid模型。图5(a)为建立的三维地质可视化实体模型图，图5(b)为剥离了部分地层之后的实体模型，其中，左图为剥离了第四纪沉积层的砂粘土层和砾卵层之后的实体模型；右图表示自煤5向下的各个地层模型；图5(c)为9号煤、12-1号媒、12下号煤三煤层叠加钻孔、断层数据模型。
5.建立属性数据库与地层模型间的对应关系，对网格模型中的每个网块、面片、边或节点赋予各自的参数值，可依据三维空间分布情况完成地质统计等计算，以反映属性的空间变化特征，形成三维地质体的数值模拟。
6.对上述建立的模型进行空间可视化分析修正，如图6(a)为9号煤层等值线叠加光照模型图，图6(b)为对煤层进行开挖计算操作之后的模型图。如果模型精度无法满足用户需求，根据采用的不同方法提供的修正方案，反馈到相应地层识别等阶段重新修整或补充，直至达到用户需求或质量检测标准为止。
Claims (7)
1.VR地质环境下的地层识别与分析方法，在资料解释与识别基础上，其特征在于：包括以下步骤：
1)地质数据预处理、
2)三维地层模型识别与构建、
3)空间可视化分析修正；
上述的每个步骤都需要依据“空间信息质量检测模型”进行相应的效验检测；
所述的空间信息质量检测模型由四部分组成：
1)进行多源数据集成中逻辑不一致性分析，实现多源数据集成、实体识别与构建、属性识别与构建环节中数据不完整性分析；
2)误差检测渗透到识别的各个环节中，涉及到空间点、线、面、体的几何检测；属性分布情况的误差检测；以及相关算法和规则的检测分析；
3)基于上述分析测试结果，结合质量标准，进行误差分析与误差校正；
4)通过质量评估主要评价模型的精度、可靠度指标是否符合实际及应用需求；
所述的地质数据预处理，是根据上述的资料解释与识别，将研究区的地质数据分为：岩芯、地质边界、地层、断层、褶皱、原始剖面、辅助剖面图、DTM/DEM数据，按照GeoSIS系统要求的数据格式进行数据的矢量化处理，并完成数据输入或导入；
所述的三维地层模型识别与构建是通过多源数据集成将上述的地质数据融合到三维空间进行集成、识别与校正并实现一体化显示；在此基础上，首先建立褶皱模型、岩层初始模型、断层模型；然后，通过SSI运算、曲面合并算法建立地层面模型；继而生成地层实体模型；最终完成地层属性模型的构建；
所述的空间可视化分析修正，是对建立的模型进行可靠性识别与修正，如果模型精度无法满足用户需求，则反馈到地层识别阶段，并提供修正的方案和策略，直至达到用户需求或质量检测标准为止。
2.根据权利要求1VR地质环境下的地层识别与分析方法，其特征在于：所述的多源数据集成方法主要包括以下几个步骤：
1)：对不同来源的各种数字化地质数据进行归一化处理，以获得一系列2D、2.5-D、3D数据以及属性数据：地层界线、2D剖面、地形/煤层等高线；
2)：通过GeoSIS系统提供的一系列接口工具：SHP图层接口工具、CAD接口工具、异构文件接口工具，将数字化地质数据分别导入VR地质环境中，并进行初始的数据检测与修正，识别有效输入数据；
3)：对各类数据进行加权操作，权值范围在0～1之间；
4)：释放内存空间；
5)：采用最优化匹配规则，设置空间一致性参数：扰动阀值参数、等值参数，将各组数据依次导入VR地质环境中；
6)：利用空间信息质量检测模型进行数据一致性检测，如果检测结果不满足要求，需要转入步骤3)重新操作；
7)：从地质数据中抽象出各种几何对象：岩芯数据以点或线对象存取、从地震剖面中提取的点或线及多边形对象，并将各种几何对象融合到VR地质环境中，保证所有数据的一致性，同时减少数据冗余。
3.根据权利要求1VR地质环境下的地层识别与分析方法，其特征在于：所述的地层面模型识别与构建，主要包括以下几个步骤：
1)：进行正确的地质解释，通过地层识别对比，划分不同的层面，确定每个层面的水平、垂直方向的变化规律；
2)：断层面F＝{F1，F2，...}的识别；
3)：地层面S＝{S1，S2，...}的识别；
4)：边界面B＝{B1，B2，...}重构，并根据地质体空间展布的几何形态，标注各个块体Li；
5)：根据步骤2)-4)的操作结果构建地层的拓扑结构；
6)：根据所建立的拓扑结构，采用层次遍历算法，即可进行地层的自动识别、查找、维护操作；步骤1)、2)、3)、4)均设置误差检测机制，可以通过交互方式重构模型，获得三维地层模型。
4.根据权利要求3VR地质环境下的地层识别与分析方法，其特征在于：所述的断层面F＝{F1，F2，...}的识别，是根据采样区域的岩芯数据和断层属性，确定已知相邻断点参数形成的平面方程，并计算平面与平面之间的交线，然后，自动推演未知的断点参数，拟合断层面，创建所有断层将地质体各地层切割后的断层网络层次链表，建立断层的数学模型；假定研究区有m条断层，对于每条断层Fi，其中1≤i≤m，能够从点类列表中获得第i条断层的所有断点，执行以下操作：
1)：如果断层数据足以充分地描述第i条断层的空间分布情况，则转步骤3)；
2)：如果断层数据不足，第i条断层仅有来自剖面的两个断点、以及来自钻孔的一个断点，那么需要根据断层属性推演断层面；
3)：基于第i条断层上的离散断点进行约束三角化，形成TIN断层面模型；
4)：将Fi加入断层面集合中，即F＝F∪{Fi}；
5)：当i＝m时，停止断层识别；
6)：在m条断层之间计算相交断层面的交点，并将交点插入到相应的点类列表当中，对存在交点的断层面执行局部TIN重构操作。
5.根据权利要求3VR地质环境下的地层识别与分析方法，其特征在于：所述的地层面S＝{S1，S2，...}的识别，具体步骤如下：
1)：针对可利用的有效资料，首先进行分层识别，将研究区概化为有限的地层，包括M层地层；
2)：对于
即对于每一个地层，假如其上层或下层均未出现地层渐灭不整合现象，则转入步骤5)；否则执行下一步；
3)：根据地层剖面、钻孔数据，解释并识别上下底板地层的边界；
4)：对于第j层，采用最小优化覆盖方法，进行任意2-2自动求交运算，并将交点分别插入相应的边界中，同时，采用逐点跟踪技术，自动形成符合最小优化覆盖的地层边界区域；
5)：假定第j层由上述操作划分为n个地层面，则对于每个层面Si，其中1≤i≤n，执行以下操作：
①如果用于层面识别的数据比较丰富，则直接转入步骤⑤；
②研究区的地质数据主要包括钻孔数据、剖面数据、以及从地质图提取的地质边界，合并生成它们的点集P＝{}，其中，来自地质边界2D图层的点(x，y)需要插值其z值；
③由用户给定网格密度值d，生成规则点集R＝{}，同时，采用基于kriging的分区插值方法，计算其z值；
④采用聚类算法，以R作为候选点集，假定δ为两点距离的阈值，以确定点的相似度；对于每一个点p∈P，如果存在一个点r∈R，使得|pr|＜δ，则从R中删除r；
⑤以地质边界和地质构造边界为约束边，利用约束三角化算法生成TIN网格模型Si；
⑥将Si加入地层面集合中，即S＝S∪{Si}；
⑦当i＝n时，停止地层识别；
⑧对于 
如果Si∩Fj≠Ф，则计算它们的交点，并搜索其影响域E；如果对于
则删除t，重构Si或Fj的E中的TIN模型；
6)：当j＝M时，地层面S＝{S1，S2，...}的识别完成。
6.根据权利要求3VR地质环境下的地层识别与分析方法，其特征在于：所述的边界面B＝{B1，B2，...}重构，是由于存在地/断层尖灭地质现象，地/断层网络形成了或者开放或者封闭的边界区域，通过重构边界面B＝{}，记录这些边界信息。
7.根据权利要求1VR地质环境下的地层识别与分析方法，其特征在于：所述的地层属性模型识别具体步骤如下：1)：建立属性数据库，并保证每一对象类别的数据结构中拥有一个关键字，且关键字是唯一的；2)：建立上述地层实体模型；其中，地层实体模型中数据结构的建立同样要遵循1所述的原则，即保证关键字的唯一性；3)：如果原始属性数据数量较少，属性数据库中的数据值与地层实体模型中的空间实体之间存在一对多的ER关系，则需要通过使用基于Kriging地质统计学方法或高斯过程、人工神经网络随机模拟方法来预测或估计模型中未知点的属性值；4)：建立属性数据库与地层实体模型的对应关系，将属性数据库中的属性值附加/叠加在地层实体模型中网格的空间节点上，属性值覆盖整个模型，以反映属性的空间变化特征。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2010102259900A CN101906965B (zh) | 2010-07-14 | 2010-07-14 | Vr地质环境下的地层识别与分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2010102259900A CN101906965B (zh) | 2010-07-14 | 2010-07-14 | Vr地质环境下的地层识别与分析方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN101906965A CN101906965A (zh) | 2010-12-08 |
| CN101906965B true CN101906965B (zh) | 2011-12-21 |
Family
ID=43262532
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2010102259900A Expired - Fee Related CN101906965B (zh) | 2010-07-14 | 2010-07-14 | Vr地质环境下的地层识别与分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN101906965B (zh) |
Families Citing this family (39)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2828719C (en) * | 2011-03-11 | 2016-09-13 | Landmark Graphics Corporation | Methods and systems of estimating formation parameters |
| CN102759755B (zh) * | 2011-04-29 | 2016-08-03 | 黄桂芝 | 采用旋转tin网和非剖面法直接制作平、立面图的地质勘查方法 |
| CN103091712B (zh) * | 2011-10-31 | 2016-05-04 | 中国石油化工股份有限公司 | 一种分析测井组合特征和地震相进行煤质预测的方法 |
| CN102999874A (zh) * | 2011-12-30 | 2013-03-27 | 山东黄金集团有限公司 | 基于物联网的矿山三维远程虚拟管理系统 |
| CN102721985A (zh) * | 2012-06-05 | 2012-10-10 | 中国石油天然气股份有限公司 | 一种构建浅地层三维反射面的方法及设备 |
| CN102831281B (zh) * | 2012-09-14 | 2015-09-02 | 中国电建集团成都勘测设计研究院有限公司 | 在gocad软件中建立二维工作面的辅助建模方法 |
| CN102831282B (zh) * | 2012-09-14 | 2015-02-18 | 中国电建集团成都勘测设计研究院有限公司 | 基于gocad软件的二维图件生成方法 |
| CN103742130B (zh) * | 2013-01-11 | 2015-08-12 | 中国石油化工股份有限公司 | 基于时变的高渗条带表征方法 |
| CN104570083B (zh) * | 2013-10-29 | 2017-06-06 | 中国石油天然气集团公司 | 基于多维地震属性的地质体自动识别方法 |
| CN104656138B (zh) * | 2013-11-22 | 2018-02-02 | 中国石油天然气集团公司 | 一种地震剖面体显示方法 |
| CN103643945B (zh) * | 2013-11-26 | 2016-06-22 | 辽河石油勘探局 | 薄层岩性储层识别与水平井钻井跟踪方法 |
| CN103774989B (zh) * | 2013-12-10 | 2016-08-17 | 刘俊 | 随钻动态建模待钻井轨迹设计水平井地质导向分析方法 |
| CN105184862B (zh) * | 2014-06-18 | 2018-06-29 | 星际空间（天津）科技发展有限公司 | 一种三维地层模型动态构建方法 |
| CN104240296A (zh) * | 2014-07-24 | 2014-12-24 | 武汉地大信息工程股份有限公司 | 面向多源数据的多工具协同三维地质建模方法及系统 |
| CN105389789B (zh) * | 2014-09-04 | 2018-02-02 | 中国石油化工股份有限公司 | 一种适用于古地形恢复中断面异常值校正的断层多边形处理方法 |
| CN105469443B (zh) * | 2014-09-30 | 2018-06-26 | 中国地质调查局发展研究中心 | 基于地质路线（prb）过程双重建模生成三维地质图的方法 |
| CN106709987B (zh) * | 2015-11-13 | 2020-01-17 | 星际空间（天津）科技发展有限公司 | 一种三维地质剖面模型动态构建方法 |
| CN105649618B (zh) * | 2016-01-18 | 2017-02-15 | 山东科技大学 | 一种海侵事件煤层关键界面的识别方法 |
| CN106194181B (zh) * | 2016-08-08 | 2017-04-12 | 西安科技大学 | 基于地质数据的智能化工作面煤岩界面识别方法 |
| CN106558100B (zh) * | 2016-10-25 | 2019-08-30 | 中国电建集团华东勘测设计研究院有限公司 | 一种基于钻孔数据的地层模型自动建模方法 |
| CN108510586B (zh) * | 2017-02-28 | 2021-09-10 | 中国石油化工股份有限公司 | 一种构建地质导向地层模型的方法 |
| US11321605B2 (en) * | 2017-11-13 | 2022-05-03 | Dassault Systemes Solidworks Corporation | Automatic assembly mate creation for frequently-used components |
| CN108269308B (zh) * | 2018-01-30 | 2019-01-29 | 北京市安全生产科学技术研究院 | 一种安全生产vr实训场景模型可视化处理方法和系统 |
| CN108961409B (zh) * | 2018-06-15 | 2020-11-13 | 北京大学 | 一种基于油藏三维地质体构建3d打印物理模型的方法 |
| CN109086773B (zh) * | 2018-08-29 | 2022-03-04 | 电子科技大学 | 基于全卷积神经网络的断层面识别方法 |
| CN109598068B (zh) * | 2018-12-06 | 2021-06-18 | 中国石油大学(北京) | 古构造约束建模方法、装置和设备 |
| CN109919184A (zh) * | 2019-01-28 | 2019-06-21 | 中国石油大学(北京) | 一种基于测井数据的多井复杂岩性智能识别方法及系统 |
| CN110176070A (zh) * | 2019-05-07 | 2019-08-27 | 中山大学 | 一种基于钻孔数据进行机器学习的地层序列模拟方法 |
| CN110109995B (zh) * | 2019-05-14 | 2021-12-17 | 中国矿业大学 | 一种基于深度学习的综采工作面多源异构数据融合方法 |
| CN110441823B (zh) * | 2019-08-09 | 2021-06-01 | 浙江财经大学 | 基于多源数据融合的地层对比不确定性可视化方法 |
| CN110766794B (zh) * | 2019-10-10 | 2021-10-15 | 中山大学 | 断层几何结构获取方法、装置和计算机设备 |
| CN111401451B (zh) * | 2020-03-17 | 2023-06-30 | 中国石油化工股份有限公司 | 油藏地质模型中储层构型界面自动识别方法 |
| CN111951395A (zh) * | 2020-08-04 | 2020-11-17 | 南京师范大学 | 一种图切地质剖面中褶皱构造的识别与建模方法 |
| CN113065664B (zh) * | 2021-02-20 | 2024-05-14 | 北京三一智造科技有限公司 | 一种地质层识别模型构建方法和地质层识别方法 |
| CN113688901B (zh) * | 2021-08-23 | 2024-03-01 | 西南石油大学 | 一种基于膨胀卷积神经网络的储层不连续界线识别方法 |
| CN115564908B (zh) * | 2022-10-09 | 2023-06-30 | 北京超维创想信息技术有限公司 | 一种地表基质层三维建模系统 |
| CN115375867B (zh) * | 2022-10-24 | 2023-01-31 | 山东省地质调查院(山东省自然资源厅矿产勘查技术指导中心) | 利用网格模型计算地热资源量方法、系统、设备及介质 |
| CN116152446B (zh) * | 2023-04-19 | 2023-08-11 | 瞳见科技有限公司 | 一种基于ue4的地质模型剖分方法、装置、终端及介质 |
| CN117274463B (zh) * | 2023-11-10 | 2024-03-26 | 青岛臻图信息技术有限公司 | 一种三维地质模型实时剖切渲染处理方法及系统 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH1088557A (ja) * | 1996-09-10 | 1998-04-07 | Ohbayashi Corp | 重力探査を用いた土質別施工数量の推定方法 |
| US7879133B2 (en) * | 2007-05-25 | 2011-02-01 | China Steel Corporation | Method for measuring an outline of a stratum of a reactant and a path of charging the reactant in a blast furnace |
-
2010
- 2010-07-14 CN CN2010102259900A patent/CN101906965B/zh not_active Expired - Fee Related
Non-Patent Citations (1)
| Title |
|---|
| 杨小冬等.基于Java/Java 3D的地层3维建模与可视化.《测绘学报》.2006,第35卷(第2期),第166-170页. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN101906965A (zh) | 2010-12-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101906965B (zh) | Vr地质环境下的地层识别与分析方法 | |
| US10795053B2 (en) | Systems and methods of multi-scale meshing for geologic time modeling | |
| Caers et al. | Multiple-point geostatistics: a quantitative vehicle for integrating geologic analogs into multiple reservoir models | |
| Mariethoz et al. | Reconstruction of incomplete data sets or images using direct sampling | |
| US10995592B2 (en) | Method and system for analyzing the uncertainty of subsurface model | |
| EP3293552B1 (en) | System and method for editing geological models by switching between volume-based models and surface-based structural models augmented with stratigraphic fiber bundles | |
| CN102156779B (zh) | 地下水流仿真与预测分析方法 | |
| CN106934858A (zh) | 一种矿集区尺度区域三维地质建模方法及系统 | |
| CN103116192A (zh) | 一种缝洞型碳酸盐岩油藏储集体建模方法 | |
| Maxelon et al. | A workflow to facilitate three-dimensional geometrical modelling of complex poly-deformed geological units | |
| CN110031896A (zh) | 基于多点地质统计学先验信息的地震随机反演方法及装置 | |
| CN106920176B (zh) | 一种矿集区尺度矿产资源估算方法及系统 | |
| Zhu et al. | Coupled modeling between geological structure fields and property parameter fields in 3D engineering geological space | |
| CN105719346B (zh) | 山地三维地质体建模方法及综合地学信息演示系统 | |
| CN103824329A (zh) | 一种地质勘探三维可视化储量估算方法 | |
| EP4030198A1 (en) | Building accurate training images for automatic seismic interpretation | |
| CN105184862B (zh) | 一种三维地层模型动态构建方法 | |
| CN109143337A (zh) | 一种浊积砂体储层建模方法 | |
| CN105844710B (zh) | 一种地质体网格化过程中的数据检测方法 | |
| CN109598068A (zh) | 古构造约束建模方法、装置和设备 | |
| Pollock et al. | 3D exploratory analysis of descriptive lithology records using regular expressions | |
| Zhang et al. | An initial guess for the Levenberg–Marquardt algorithm for conditioning a stochastic channel to pressure data | |
| Lyu et al. | Classification, modeling and characterization of marine carbonate paleokarst reservoirs in Tahe Oilfield, Tarim Basin, China | |
| Strebelle | Sequential simulation for modeling geological structures from training images | |
| Shao et al. | 3D Geological Modeling under Extremely Complex Geological Conditions. |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| C17 | Cessation of patent right | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20111221 Termination date: 20120714 |