CN106934357B - 一种平行断层的自动识别方法 - Google Patents
一种平行断层的自动识别方法 Download PDFInfo
- Publication number
- CN106934357B CN106934357B CN201710116571.5A CN201710116571A CN106934357B CN 106934357 B CN106934357 B CN 106934357B CN 201710116571 A CN201710116571 A CN 201710116571A CN 106934357 B CN106934357 B CN 106934357B
- Authority
- CN
- China
- Prior art keywords
- fault
- parallel
- line
- relation
- attribute
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 20
- 239000000203 mixture Substances 0.000 claims abstract description 22
- 238000000605 extraction Methods 0.000 claims abstract description 10
- 230000001360 synchronised effect Effects 0.000 claims abstract description 8
- 238000005452 bending Methods 0.000 claims description 12
- 239000006185 dispersion Substances 0.000 claims description 2
- 238000003780 insertion Methods 0.000 claims description 2
- 230000037431 insertion Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 8
- 239000011435 rock Substances 0.000 description 4
- 238000010276 construction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012916 structural analysis Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
- G01V1/30—Analysis
- G01V1/306—Analysis for determining physical properties of the subsurface, e.g. impedance, porosity or attenuation profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Signal Processing (AREA)
- Acoustics & Sound (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geophysics (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种平行断层的自动识别方法,该方法包括:(1)对于原始断层线要素图层,从中剔除存在相交的、非同时期的断层线要素后,对保留的断层线进行单元剖分;(2)生成断层线的最小外接矩形,并根据最小外接矩形和剖分的单元,建立单元邻接的断层界线ARG模型;(3)获取满足平行断层组成规则的关系边,和满足平行断层集合组成规则的关系边集合,完成平行断层的识别提取。本发明基于断层线特征及线间关系,实现利用断层数据,自动识别和提取断层类型。
Description
技术领域
本发明属于地理信息技术应用领域,具体涉及一种基于断层数据,通过Voronoi空间剖分和断层单元建模,实现自动识别平行断层的方法。
背景技术
断层是指岩层或岩体受力超过其强度极限时产生破裂,其完整性受到破坏而产生的构造形态。断层很少单独出现,常由多条断层呈带状或片状分布,绵延数千里。特定的断层组合反映了区域构造的应力条件,隐含了历史构造变动情况的信息。
断层的组合又可分为平面断层组合与剖面断层组合两类。剖面断层组合的研究主要以地震剖面为数据,人工解译地震数据中的断层,再根据断层相互切割的组合形式推断内在信息。平面上断层组合研究主要针对同期断层,从断层的规模、走向、形态和组合形式等方面分析其断层形成的情况。平面断层组合形式主要包括“平行断层”、“雁列断层”、“帚状断层”、“环状断层”、“放射状断层”和“斜交断层”等。目前,断层组合的识别主要是根据描述,人工在平面地质图上寻找特征与描述相似的断层组合,其识别结果因人而异,且识别效率低,历时长。故其自动识别具有一定的研究意义和应用价值。
平行断层作为相对简单的一种断层组合类型,由若干条大致平行的断层线组成。此外,组合内的断层通常具有等间距和等规模的特性。为此,本专利拟从平行断层入手,基于断层数据,实现平行断层的自动识别。相关研究成果,将有利于地质建模、构造解析等研究的高效进行,也可为其他类型的断层组合的自动识别提供方法支持。
发明内容
发明目的:本发明针对现有技术存在的问题,提供一种基于断层线特征及线间关系,实现利用断层数据,自动识别和提取断层类型的方法。
技术方案:本发明所述的平行断层的自动识别方法包括:
(1)对于原始断层线要素图层,从中剔除存在相交的、非同时期的断层线要素后,对保留的断层线进行单元剖分;
(2)生成断层线的最小外接矩形,并根据最小外接矩形和剖分的单元,建立单元邻接的断层界线ARG模型;
(3)获取满足平行断层组成规则的关系边,和满足平行断层集合组成规则的关系边集合,完成平行断层的识别提取。
进一步的,步骤(1)具体包括:
(1-1)设置最小点间距参数Distance,加载shp格式的原始断层线要素图层;
(1-2)根据断层线的穿插情况,剔除非同期断层线要素,得到可能为同期形成的断层数据集合Fault={fi|i=1,2,...,n},n为断层线要素的数量;
(1-3)将数据集合Fault中的断层线要素离散成点集,一个断层线要素fi离散成一个点集FPointi={fpi,j(xi,j,yi,j)|j=1,2,...,mi},式中,i=1,2,...,n,fpi,j(xi,j,yi,j)表示断层线要素fi离散后形成的第j个点,(xi,j,yi,j)为横坐标和纵坐标,mi表示断层线要素fi离散后的点的个数;
(1-4)在点集{FPointi|i=1,2,...,n}中判断相邻两点fpi,j(xi,j,yi,j)与fpi,j(xi,j+1,yi,j+1)之间的距离是否大于Distance,若大于,则在该两点间以Distance为间距添加点,最后得到所有线要素添加点后的点集 表示点集Point中第k个点,(xk,yk)为坐标,上标i表示该点隶属于断层线要素fi,K为加点后点的数量;
(1-6)根据Voronoi多边形的编号属性,将上标相同的Voronoi多边形进行合并,得到合并后的Voronoi多边形集合MergeV={mvi|i=1,2,...,n},并存储多边形mvi的坐标点集作为断层线要素fi的剖分单元,完成断层线单元剖分。
进一步的,步骤(2)具体包括:
(2-1)对于断层线要素fi的剖分单元mvi,若组成该断层线的点没有分布在一条直线上,则生成最小外接矩形fri,若组成该断层线的点在一条直线上,则根据其首点A与末点B,记录集合{A,A,B,B}作为其最小外接矩形fri的四点,最后得到最小外接矩形集合FMER={fri|i=1,2,...,n};最小外接矩形的方法参见参考文献:(《一个求解多边形最小面积外接矩形的算法》,程鹏飞、闫浩文、韩振辉,工程图学学报,2008,(1));
(2-2)根据断层线要素fi对应的最小外接矩形fri计算其以下属性:以最小外接矩形fri的长边的走向作为断层线fi的走向属性,以最小外接矩形fri的长作为断层fi的长度规模属性,以最小外接矩形fri的宽作为断层fi的弯曲程度属性;
(2-3)计算断层线要素fi对应的最小外接矩形fri的质心点,生成断层对象fgi,并存储断层对象fgi坐标属性;断层对象fgi继承对应断层线要素fi的编号属性、走向属性、长度规模属性和弯曲程度属性;生成所有断层对象,得到断层对象集合FGrav={fgi|i=1,2,...,n};
(2-4)对于断层对象集合FGrav,若断层对象fgi与fgj对应的Voronoi单元mvi与mvj边界重叠,j=1,2,3,…,n,i≠j,则认为断层线fi与fj是邻接的断层线,则连接对应的断层对象点fgi与fgj,生成一个关系边;
(2-5)对于连接得到的关系边,计算其长度属性、走向属性,并存储其连接的起始、终止断层对象的编号属性;
(2-6)完成断层线关系边生成,得到空间关系边集合Rel={rl|l=1,2,...,c},c为断层单元邻接ARG关系边数量,完成ARG模型的构建。
进一步的,步骤(3)具体包括:
(3-1)设置平行的角度判断阈值ParaAngle、垂直的角度判断阈值VerTole、长度规模比阈值LengthTole、弯曲程度差阈值WidthTole和距离差阈值DisTole;
(3-2)根据平行断层组成规则对ARG模型中的关系边进行提取,具体为:对于一个关系边rl连接的对象fgu与fgv,其中,u=1,2,3,…,n,v=1,2,3,…,n,u≠v,若其满足以下全部规则,则加入平行关系边集合:
a、对象fgu与fgv的走向属性差值小于阈值ParaAngle;
b、对象fgu与fgv的弯曲程度属性差值小于阈值WidthTole;
c、对象fgu与fgv的长度规模比fgu/fgv在值域[1/LengthTole,LengthTole]之间;
d、关系边rl的走向属性与对象fgu或对象fgv的走向属性差值大于阈值VerTole;
(3-3)通过ARG关系边的规则提取,得到满足平行断层组成规则的平行关系边集合ParaARG={prs|s=1,2,...,d},d为保留的平行关系边数量;
(3-4)对于满足平行断层组成规则的ARG关系边prs,若不存在其他关系边prt与其有公共的断层对象,其中,t=1,2,3,…,d,s≠t,则将关系边prs单独存储为一个平行断层,否则执行步骤(3-5);
(3-5)在满足平行断层组成规则的平行关系边集合ParaARG中,将存在公共断层对象的关系边存储到一个邻接平行关系边集合中,得到若干个邻接平行关系边集合,每个集合中有至少两个存在公共断层对象的关系边;
(3-6)对上述邻接平行关系边集合分别进行以下平行断层集合组成规则的判断,将满足规则的邻接平行关系边集合存储为一个平行断层:
a、集合内部的所有关系边走向属性差值都小于阈值ParaAngle;
b、集合内部的所有关系边长度属性差都小于阈值DisTole;
(3-7)完成所有ARG关系边判断,得到所有平行断层集合ParaOrg={pow|w=1,2,...,z},z为找到的所有平行断层的数量;再对识别为一个平行断层的断层剖分单元进行合并,得到平行断层与断层单元的识别提取结果。
有益效果:本发明与现有技术相比,其显著优点是:本发明主要基于线要素的属性、几何特征以及线要素间的关系构建断层线要素的场景模型,并给出了平行状断层组合的空间结构模式,利用规则实现平行断层的自动识别提取。识别过程设置了平行的角度判断阈值、垂直的角度判断阈值、规模阈值和距离阈值等,对识别条件进行控制。相比传统的人工识别方法,提供了可控的识别规则,提高了识别效率,且基于空间结构组合形式的识别方法也可用于其他断层组合类型的自动识别。
附图说明
图1为本发明方法的流程图;
图2为实施例数据图;
图3为选取实施例倾向断层数据图;
图4示例添加点示意图;
图5为实施例断层线点集生成Voronoi图;
图6为实施例断层线Voronoi图;
图7为实施例最小外接矩形图;
图8为实施例断层对象图;
图9为实施例断层单元ARG图;
图10为实施例平行断层关系边图;
图11为实施例平行断层及其单元图。
具体实施方式
下面结合附图并通过描述一个基于断层线图层自动识别提取平行断层实例,来进一步说明本发明的效果。实施例采用南京青龙山区域1:50000的shp格式地质数据,对应青龙山区域约1万米乘1万米的区域。实验区地层年代跨度大,断层分布较多。不同时期形成的断层呈现穿插状态,具较多的断层组合,有一定的典型性。如图1所示,包括以下步骤:
(一)基于断层线的单元剖分
步骤11:设置最小点间距参数Distance=100m,加载shp格式的地层图层和断层线要素图层(如图2所示);
步骤12:为剔除非同期断层的影响,根据断层线穿插的情况,剔除非同期断层线要素,得到可能为同期形成的断层数据集合Fault={fi|i=1,2,...,19},如图3所示;
步骤13:将断层线要素离散成点集,一个线要素fi离散成一个点集,得到20个点集。如线要素f8可离散为点集FPoint8={fp8,j(x8,j,y8,j)|j=1,2,...,m8},m8为38,点集中的点继承断层线编号8(如图4所示);
步骤14:线要素添加点。一个线要素中,若点fpi,j(xi,j,yi,j)与fpi,j(xi,j+1,yi,j+1)的距离大于Distance,则在两点间以Distance为间距增密线点集。如线要素f8,添加点后得到增密后的点集P8={p8,j(x8,j,y8,j)|j=1,2,3,…,42},在线要素f8的点集中增加了4个点。所有线要素增密后,得到点集上标i表示该点隶属于断层线要素fi;
步骤16:根据断层线编号属性,对Voronoi多边形进行合并,得到合并后的Voronoi多边形集合MergeV={mvi|i=1,2,...,19},如图6所示。并存储多边形mvi的坐标点集作为断层线要素fi的剖分单元,完成断层线单元剖分。
(二)断层单元ARG建模
步骤21:生成断层线的最小外接矩形,得到FMER={fri|i=1,2,...,19},绘制最小外接矩形如图7所示。其中,断层f10的点集分布在一条直线上,则根据断层f10的首点(140602.97,146361.38)与末点(140835.05,146361.382),记录集合{(140602.97,146361.38),(140602.97,146361.38),(140835.05,146361.382),(140835.05,146361.382)}作为断层f10的最小外接矩fr10的四个顶点。
步骤22:根据断层线要素fi对应的最小外接矩形fri计算其以下属性:以最小外接矩形fri的长边的走向作为断层线fi的走向属性;以最小外接矩形fri的长作为断层fi的长度规模属性;以最小外接矩形fri的宽作为断层fi的弯曲程度属性。对所有断层即断层的最小外接矩形进行计算,得到其对应属性如表1所示:
表1
步骤23:计算断层线对应的最小外接矩形fri的质心点(如表1所示),基于质心点生成断层对象,并继承表1中关联断层线的编号属性、走向属性、长度规模属性和弯曲程度属性,生成断层对象集合FGrav={fgi|i=1,2,...,19},如图8所示。
步骤24:根据断层线中的Voronoi多边形单元的邻接关系生成邻接ARG模型。若两个断层对应的Voronoi单元邻接,则连接两个断层对应的断层对象,绘制ARG如图9所示。
步骤25:绘制ARG关系边后,计算其长度属性、走向属性,并存储其连接的起始、终止断层对象编号。在计算时,取走向为小于180°的角度,其具体属性如表2所示:
表2
步骤26:完成断层线关系边生成,得到空间关系边集合Rel={rl|l=1,2,...,43},完成断层单元的ARG模型的构建,最终模型包括断层对象集FGravity={fgi|i=1,2,...,19}与空间关系边集合Rel={rl|l=1,2,...,43}}。
(三)平行断层识别
步骤31:设置平行的角度判断阈值ParaAngle=10°、垂直的角度判断阈值VerTole=70°、长度规模比阈值LengthTole=2、弯曲程度差阈值WidthTole=100m和距离差阈值DisTole=1000m;
步骤32:根据平行断层组成规则对ARG模型中的关系边进行提取,以关系边r1为例,其连接的对象fg1与fg2判断结果如下:
a、对象fg1与fg2的走向属性差值为1.18°,小于阈值ParaAngle;
b、对象fg1与fg2的弯曲程度属性差值为8.47m,小于阈值WidthTole;
c、对象fg1与fg2的长度规模比为1.02,在值域[1/LengthTole,LengthTole]之间;
d、关系边r1的走向角度为87.79°,与对象fg1的走向138.07°差值为50.28°,小于阈值VerTole,与对象fg2的走向136.90°差值49.11°,小于阈值VerTole,因此对象fg1与fg2之间不满足平行断层组成规则。
再以关系边r14为例,其连接的对象fg5与fg6判断结果如下:
对象fg5与fg6的走向属性差值为6.02°,小于阈值ParaAngle;
对象fg5与fg6的弯曲程度属性差值为2.83m,小于阈值WidthTole;
对象fg5与fg6的长度规模比为0.60,在值域[1/LengthTole,LengthTole]之间;
关系边r14的走向角度为25.81°,与对象fg5的走向127.00°差值为101.19°,大于阈值VerTole,因此对象fg5与fg6之间满足平行断层组成规则;
保存关系边r14。
步骤33:完成ARG关系边的规则提取,得到满足平行断层组成条件的ARG关系边集合ParaARG={prs|s=1,2,...,3}(如图10所示),其具体判断参数如表3所示;
表3
步骤34:单独的满足平行断层组成规则的ARG关系边prs,直接保存为平行断层,如pr1;存在共同断层对象的ARG关系边执行步骤35;
步骤35:将存在公共断层对象的ARG关系边存储到集合中,得到若干个邻接ARG关系边集合,本实施例可得到1个这样的集合{pr2,pr3};
步骤36:对上述邻接ARG关系边集合分别进行平行断层集合组成规则判断,则对于集合{pr2,pr3}:
集合内部的关系边r21与r29的走向属性差值为0.69°,小于阈值ParaAngle;
集合内部的关系边r21与r29的长度属性差为176.87m,小于阈值DisTole,满足平行断层集合组成规则;
将集合{pr2,pr3}存为一组平行断层。
步骤37:完成所有平行断层判断,得到所有平行断层集合ParaOrg={{pr1},{pr2,pr3}}。对识别为一个平行断层的断层剖分单元进行合并,平行断层结果和其剖分单元如图11所示。
Claims (2)
1.一种平行断层的自动识别方法,其特征在于该方法包括:
(1)对于原始断层线要素图层,从中剔除存在相交的、非同时期的断层线要素后,对保留的断层线进行单元剖分;该步骤具体包括:
(1-1)设置最小点间距参数Distance,加载shp格式的原始断层线要素图层;
(1-2)根据断层线的穿插情况,剔除非同期断层线要素,得到可能为同期形成的断层数据集合Fault={fi|i=1,2,...,n},n为断层线要素的数量;
(1-3)将数据集合Fault中的断层线要素离散成点集,一个断层线要素fi离散成一个点集FPointi={fpi,j(xi,j,yi,j)|j=1,2,...,mi},式中,i=1,2,...,n,fpi,j(xi,j,yi,j)表示断层线要素fi离散后形成的第j个点,(xi,j,yi,j)为横坐标和纵坐标,mi表示断层线要素fi离散后的点的个数;
(1-4)在点集{FPointi|i=1,2,...,n}中判断相邻两点fpi,j(xi,j,yi,j)与fpi,j(xi,j+1,yi,j+1)之间的距离是否大于Distance,若大于,则在该两点间以Distance为间距添加点,最后得到所有线要素添加点后的点集 表示点集Point中第k个点,(xk,yk)为坐标,上标i表示该点隶属于断层线要素fi,K为加点后点的数量;
(1-6)根据Voronoi多边形的编号属性,将上标相同的Voronoi多边形进行合并,得到合并后的Voronoi多边形集合MergeV={mvi|i=1,2,...,n},并存储多边形mvi的坐标点集作为断层线要素fi的剖分单元,完成断层线单元剖分;
(2)生成断层线的最小外接矩形,并根据最小外接矩形和剖分的单元,建立单元邻接的断层界线ARG模型;该步骤具体包括:
(2-1)对于断层线要素fi的剖分单元mvi,若组成该断层线的点没有分布在一条直线上,则生成最小外接矩形fri,若组成该断层线的点在一条直线上,则根据其首点A与末点B,记录集合{A,A,B,B}作为其最小外接矩形fri的四点,最后得到最小外接矩形集合FMER={fri|i=1,2,...,n};
(2-2)根据断层线要素fi对应的最小外接矩形fri计算其以下属性:以最小外接矩形fri的长边的走向作为断层线fi的走向属性,以最小外接矩形fri的长作为断层fi的长度规模属性,以最小外接矩形fri的宽作为断层fi的弯曲程度属性;
(2-3)计算断层线要素fi对应的最小外接矩形fri的质心点,生成断层对象fgi,并存储断层对象fgi坐标属性;断层对象fgi继承对应断层线要素fi的编号属性、走向属性、长度规模属性和弯曲程度属性;生成所有断层对象,得到断层对象集合FGrav={fgi|i=1,2,...,n};
(2-4)对于断层对象集合FGrav,若断层对象fgi与fgj对应的Voronoi单元mvi与mvj边界重叠,j=1,2,3,…,n,i≠j,则认为断层线fi与fj是邻接的断层线,则连接对应的断层对象点fgi与fgj,生成一个关系边;
(2-5)对于连接得到的关系边,计算其长度属性、走向属性,并存储其连接的起始、终止断层对象的编号属性;
(2-6)完成断层线关系边生成,得到空间关系边集合Rel={rl|l=1,2,...,c},c为断层单元邻接ARG关系边数量,完成ARG模型的构建;
(3)获取满足平行断层组成规则的关系边,和满足平行断层集合组成规则的关系边集合,完成平行断层的识别提取。
2.根据权利要求1所述的平行断层的自动识别方法,其特征在于:步骤(3)具体包括:
(3-1)设置平行的角度判断阈值ParaAngle、垂直的角度判断阈值VerTole、长度规模比阈值LengthTole、弯曲程度差阈值WidthTole和距离差阈值DisTole;
(3-2)根据平行断层组成规则对ARG模型中的关系边进行提取,具体为:对于一个关系边rl连接的对象fgu与fgv,其中,u=1,2,3,…,n,v=1,2,3,…,n,u≠v,若其满足以下全部规则,则加入平行关系边集合:
a、对象fgu与fgv的走向属性差值小于阈值ParaAngle;
b、对象fgu与fgv的弯曲程度属性差值小于阈值WidthTole;
c、对象fgu与fgv的长度规模比fgu/fgv在值域[1/LengthTole,LengthTole]之间;
d、关系边rl的走向属性与对象fgu或对象fgv的走向属性差值大于阈值VerTole;
(3-3)通过ARG关系边的规则提取,得到满足平行断层组成规则的平行关系边集合ParaARG={prs|s=1,2,...,d},d为保留的平行关系边数量;
(3-4)对于满足平行断层组成规则的ARG关系边prs,若不存在其他关系边prt与其有公共的断层对象,其中,t=1,2,3,…,d,s≠t,则将关系边prs单独存储为一个平行断层,否则执行步骤(3-5);
(3-5)在满足平行断层组成规则的平行关系边集合ParaARG中,将存在公共断层对象的关系边存储到一个邻接平行关系边集合中,得到若干个邻接平行关系边集合,每个集合中有至少两个存在公共断层对象的关系边;
(3-6)对上述邻接平行关系边集合分别进行以下平行断层集合组成规则的判断,将满足规则的邻接平行关系边集合存储为一个平行断层:
a、集合内部的所有关系边走向属性差值都小于阈值ParaAngle;
b、集合内部的所有关系边长度属性差都小于阈值DisTole;
(3-7)完成所有ARG关系边判断,得到所有平行断层集合ParaOrg={pow|w=1,2,...,z},z为找到的所有平行断层的数量;再对识别为一个平行断层的断层剖分单元进行合并,得到平行断层与断层单元的识别提取结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710116571.5A CN106934357B (zh) | 2017-02-28 | 2017-02-28 | 一种平行断层的自动识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710116571.5A CN106934357B (zh) | 2017-02-28 | 2017-02-28 | 一种平行断层的自动识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106934357A CN106934357A (zh) | 2017-07-07 |
CN106934357B true CN106934357B (zh) | 2020-04-03 |
Family
ID=59423926
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710116571.5A Active CN106934357B (zh) | 2017-02-28 | 2017-02-28 | 一种平行断层的自动识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106934357B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108875755B (zh) * | 2018-05-28 | 2021-11-12 | 南京师范大学 | 一种基于曲线平行特征的水平岩层自动提取方法 |
CN109471161B (zh) * | 2018-09-26 | 2020-07-10 | 中国石油天然气集团有限公司 | 地质构造属性剖面的建立方法和装置 |
CN110413712B (zh) * | 2019-06-11 | 2021-09-28 | 南京泛在地理信息产业研究院有限公司 | 一种基于dem的断层面自动识别方法 |
CN111443385B (zh) * | 2020-04-28 | 2022-11-11 | 南京师范大学 | 一种断层发育时序的获取方法 |
CN111583776B (zh) * | 2020-04-28 | 2022-02-11 | 南京师范大学 | 一种侵入岩体发育时序获取方法 |
CN111950124B (zh) * | 2020-07-10 | 2024-04-02 | 南京师范大学 | 基于切割关系的断层发育时间获取方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104809162A (zh) * | 2015-04-01 | 2015-07-29 | 南京师范大学 | 一种顾及图形复杂度的gis线要素几何信息量计算方法 |
CN105701848A (zh) * | 2016-01-14 | 2016-06-22 | 南京师范大学 | 一种地层界线图层的自动化生成方法 |
CN105894587A (zh) * | 2016-04-01 | 2016-08-24 | 南京师范大学 | 一种基于规则约束的山脊线和山谷线过滤方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7487476B2 (en) * | 2006-04-11 | 2009-02-03 | International Business Machines Corporation | Method for computing the sensitivity of a VLSI design to both random and systematic defects using a critical area analysis tool |
-
2017
- 2017-02-28 CN CN201710116571.5A patent/CN106934357B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104809162A (zh) * | 2015-04-01 | 2015-07-29 | 南京师范大学 | 一种顾及图形复杂度的gis线要素几何信息量计算方法 |
CN105701848A (zh) * | 2016-01-14 | 2016-06-22 | 南京师范大学 | 一种地层界线图层的自动化生成方法 |
CN105894587A (zh) * | 2016-04-01 | 2016-08-24 | 南京师范大学 | 一种基于规则约束的山脊线和山谷线过滤方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106934357A (zh) | 2017-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106934357B (zh) | 一种平行断层的自动识别方法 | |
CN108595858B (zh) | 基于bim的轻量化深度处理工作方法 | |
CN111968231B (zh) | 一种基于地质图切剖面的三维地层建模方法 | |
US20120166160A1 (en) | Block model constructing method for complex geological structures | |
CN105139379B (zh) | 基于分类分层的机载Lidar点云建筑物顶面渐进提取方法 | |
AU2014306493B2 (en) | Determining reserve estimates for a reservoir | |
CN104851126B (zh) | 基于广义圆柱体的三维模型分割方法及装置 | |
CN108978573A (zh) | 一种地形数据快速可视化辅助河床演变研究的方法 | |
CN104732545A (zh) | 结合稀疏近邻传播和快速谱聚类的纹理图像分割方法 | |
CN103606191A (zh) | 一种复杂地质模型的快速建模方法 | |
CN111754623A (zh) | 一种基于多点地质统计学的离散裂缝建模方法 | |
CN112150582A (zh) | 一种面向多模态数据的地质剖面图近似表达方法 | |
CN111008429B (zh) | 一种基于点云的异构cad几何一致性对比方法 | |
CN106114876A (zh) | 飞机试飞数据的参数辨识方法 | |
CN104766367B (zh) | 一种计算三维模型处理中三维网格拓扑结构图构造方法 | |
CN107146283B (zh) | 一种层状岩质边坡类型的自动划分方法 | |
CN114170388B (zh) | 一种基于八叉树的局部异向性搜索椭球体动态建模方法 | |
CN104166993A (zh) | 一种基于加权变分期望最大化准则的图像分割方法 | |
CN102236898A (zh) | 基于无限成分数的t混合模型的图像分割方法 | |
CN106056124A (zh) | 一种基于三维曲面循环引导的浮雕提取方法 | |
Tong et al. | A research on 3D reconstruction of building rooftop models from LiDAR data and orthophoto | |
CN117274463B (zh) | 一种三维地质模型实时剖切渲染处理方法及系统 | |
CN113626916A (zh) | 一种基于gis的桩基长度验证方法及系统 | |
CN112070892B (zh) | 一种用于地球物理勘探的等值线遍历构建三维模型的方法 | |
CN117788729A (zh) | 一种基于LDA和Kriging算法的煤矿断层面三维构建及分析方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |