CN109191572B - 一种基于真值发现的三维地质模型寻优方法 - Google Patents
一种基于真值发现的三维地质模型寻优方法 Download PDFInfo
- Publication number
- CN109191572B CN109191572B CN201810846608.4A CN201810846608A CN109191572B CN 109191572 B CN109191572 B CN 109191572B CN 201810846608 A CN201810846608 A CN 201810846608A CN 109191572 B CN109191572 B CN 109191572B
- Authority
- CN
- China
- Prior art keywords
- model
- dimensional
- grid
- dimensional geological
- gridded
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Computer Graphics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Remote Sensing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于真值发现的三维地质模型寻优方法,包括如下步骤:S1:对同一地质体进行建模得到若干三维地质模型,对每个三维地质模型进行网格化;S2:所有三维地质模型的类型相同,若三维地质模型为三维结构模型,则将地层类型作为网格化的三维结构模型中的各个网格单元的属性值为每一网格化的三维结构模型中的每一网格单元赋值,若三维地质模型为属性模型,则直接从属性模型中获取相应网格单元的属性值为每一网格单元赋值;S3:将网格化后的三维地质模型作为输入数据分别输入真值发现算法中,推算每一网格化的三维地质模型的可靠度;S4:根据每一网格化的三维地质模型的可靠度,得到地质体的最优模型。
Description
技术领域
本发明涉及三维地质模型分析评价领域,尤其涉及一种基于真值发现的三维地质模型寻优方法。
背景技术
随着信息技术的发展,三维地质建模技术得到了显著的发展。三维地质模型在矿产、能源、油藏等研究中发挥了重要作用,但是由于地质体的大尺度特征,以及受地质条件与勘查技术的局限性,地质勘查测量不可能获取到完整且规则的地质体数据,所以基于稀疏的采样数据构建的三维地质模型总是包含很大的不确定性。通过随机建模方法可以得到大量等概率的三维地质模型,这些模型可以很好表现地质现象的不确定性。但是,目前还没有很好的方法可以评价这些模型并从这些模型中找到最接近实际情况的模型,算术平均法和多数投票法等传统方法得到的最优模型效果并不理想。
真值发现算法可用于解决大量非可靠数据源中的冲突,评价不同的信息源以提取真实的信息。由Yin等人提出的TruthFinder算法,采用贝叶斯分析来迭代估计源可靠性并识别真值。Dong等人考虑了信息源之间的复制关系,采用贝叶斯规则计算两两数据源的依赖程度,提出了AccuCopy方法。Zhao等人提出了一个概率图模型(LTM)用于在没有任何监督的情况下自动地推导真值记录和数据源质量。Pasternack等人提出了LCA方法,该方法将源可靠性通过一组潜在参数建模,并通过EM算法来估计隐藏参数,参数满足最大后验概率。Li等人将冲突解决看作一个优化问题,提出了针对异构数据的优化框架CRH。Wang等人将真值发现任务表示为最大似然估计问题,并通过EM算法求解。
由于通过随机建模方法得到的模型之间存在较大的差异,把随机模型集中的每个模型看作一个数据源,不同的数据源可能会为同一个对象(地质体)提供不同的描述信息。那么,模型寻优可以被定义为多源冲突数据源的可信度评价及融合问题。
发明内容
有鉴于此,本发明的实施例提供了一种基于真值发现的三维地质模型寻优方法,能够获得效果理想的三维地质地质模型。
本发明的实施例提供一种基于真值发现的三维地质模型寻优方法,包括如下步骤:
S1:对同一地质体进行建模得到若干三维地质模型,对每个所述三维地质模型进行网格化;
S2:所有所述三维地质模型的类型相同,判断所述三维地质模型的类型,若所述三维地质模型为三维结构模型,则将地层类型作为所述网格化的三维结构模型中的各个网格单元的属性值为每一所述网格化的三维结构模型中的每一网格单元赋值,若所述三维地质模型为属性模型,则直接从所述属性模型中获取相应网格单元的属性值为每一网格单元赋值;
S3:将所述网格化后的三维地质模型集合作为输入数据分别输入真值发现算法中,使用所述真值发现算法推算每一所述网格化的三维地质模型的可靠度;
S4:根据每一所述网格化的三维地质模型的可靠度或源参数模型的可靠度以及网格单元的属性值类型,得到所述地质体的最优结构模型或者最优属性模型。
进一步地,步骤S1还包括:对每一所述网格化的三维地质模型中的每一网格单元进行编号,在同一所述网格化的三维地质模型中,不同空间位置处的网格单元的网格编号不同;在不同的所述网格化的三维地质模型中,相同空间位置处的网格单元的网格编号相同。
进一步地,所述真值发现算法包括LCA算法和EM算法,步骤S3包括:
S3.1:将所述网格化的三维地质模型作为输入数据输入到所述LCA算法中,利用所述LCA算法构建源参数模型;
S3.2:初始化,为每个所述源参数模型赋予一样的可靠度;
S3.3:利用所述EM算法求期望值,计算每个网格单元所有隐藏变量的置信度;
S3.4:在所述EM算法中,利用每一所述源参数模型中的所有所述隐藏变量的置信度对该源参数模型的置信度进行可靠度求解;
S3.5:对前后同一所述源参数模型的可靠度进行求差计算,若前后同一所述源参数模型的可靠度之差小于或等于给定的阈值,则进行步骤S3.6,否则将步骤S3.4中得到的可靠度用于步骤S3.3中再次计算置信度,重复步骤S3.3至步骤S3.5;
S3.6:停止计算,得到所有所述源参数模型的可靠度,所述网格化的三维地质模型的可靠度和与之对应的所述源参数模型的可靠度正相关。
进一步地,步骤S4包括:
S4.1:设每一所述网格化的三维地质模型中的其中一网格单元的网格编号为i,则j个不同的所述网格化的三维地质模型的网格编号为i的网格单元的属性值分别为Vi 1,Vi 2……Vi j,j为正整数,获取网格编号为i的所有网格单元的属性值Vi={Vi 1,Vi 2……Vi j};
S4.2:判断网格编号为i的所有网格单元的属性值的类型,如果属性值为数字类型的,则进行步骤S4.3;如果属性值为枚举类型的,则进行步骤S4.4;
S4.4:将可靠度最高的所述网格化的三维地质模型为网格单元所提供的属性值作为最优值;
S4.5:判断是否对所有的网格单元进行了最优值求解,如果没有,则进行步骤S4.6;如果已经完成了对所有网格单元的最优值求解,则进行步骤S4.7;
S4.6:利用S4.1~4.4对网格编号为i之外的其他网格单元进行最优值求解;
S4.7:当寻优的三维地质模型是属性模型时,则由所有最优解构成的三维网格模型即为最优属性模型;当寻优的三维地质模型是三维结构模型时,对得到的所述最优属性模型进行三维曲面重建以得到最优结构模型。
进一步地,步骤S2中,若所述三维地质模型为三维结构模型,且一个网格单元包含了多个地层,则取所占比例最大的地层的地层类型作为该网格单元的属性值。
本发明的实施例提供的技术方案带来的有益效果是:本发明所述的基于真值发现的三维地质模型寻优方法,通过将所述三维地质模型转化为所述三维网格模型,并用所述真值发现算法来推断每个所述网格化的模型的三维地质模型的可靠度,加权融合计算最优地质模型。最终有效地对所述三维地质模型进行了评价并求解出最优模型,充分利用了所述真值发现方法的灵活扩展性和挖掘正确信息的能力,解决了传统方法在模型寻优上耗时且效果不佳的问题。
附图说明
图1是本发明所述的基于真值发现的三维地质模型寻优方法的总步骤图;
图2是图1中步骤S3的更为详细的步骤图;
图3是图1中步骤S4的更为详细的步骤图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地描述。
请参考图1,本发明的实施例提供了一种基于真值发现的三维地质模型寻优方法,包括如下步骤:
S1:对同一地质体进行建模得到若干三维地质模型,对每个所述三维地质模型进行网格化。
采用三维栅格的方法对每一所述三维地质模型的模型空间进行分割抽样。地质空间分割的精度决定立体网格单元的大小,具体的分割精度可以根据实际应用需求来决定。考虑到计算的效率,把模型空间分割成一个100*100*100的三维栅格模型较为合适。
再对每一所述网格化的三维地质模型中的每一网格单元进行编号,在同一所述网格化的三维地质模型中,不同空间位置处的网格单元的网格编号不同;在不同的所述网格化的三维地质模型中,相同空间位置处的网格单元的网格编号相同。
S2:所有所述三维地质模型的类型相同,判断所述三维地质模型的类型,若所述三维地质模型为三维结构模型,则将地层类型作为所述网格化的三维结构模型中的各个网格单元的属性值为每一所述网格化的三维结构模型中的每一网格单元赋值,若所述三维地质模型为属性模型,则直接从所述属性模型中获取相应网格单元的属性值为每一网格单元赋值。
若所述三维地质模型为三维结构模型,且一个网格单元包含了多个地层,则取所占比例最大的地层的地层类型作为该网格单元的属性值,使每一网格单元只保存一个属性值。
S3:将所述网格化的三维地质模型集合作为输入数据分别输入真值发现算法中,使用所述真值发现算法推算每一所述网格化的三维地质模型的可靠度。
请参考图2,其中,所述真值发现算法包括LCA算法和EM算法。具体的,步骤S3包括:
S3.1:将所述网格化的三维地质模型作为输入数据输入到所述LCA算法中,利用所述LCA算法构建源参数模型。
如果一个所述三维地质模型被分割成100*100*100的三维网格,那么一个网格单元就是一个对象,总共有100*100*100个对象,此时一个网格单元中只保存着一个属性值。不同的所述网格化的三维地质模型会为同一对象(相同编号的网格单元)提供不同的属性值。
S3.2:初始化,为每个所述源参数模型赋予一样的可靠度,比如0.8。
S3.3:利用所述EM算法求期望值,计算每个网格单元所有隐藏变量的置信度(置信度就是期望值)。
S3.4:在所述EM算法中,利用每一所述源参数模型中的所有所述隐藏变量的置信度对该源参数模型的置信度进行可靠度(即最大似然值)求解。
S3.5:对前后同一所述源参数模型的可靠度进行求差计算,若前后同一所述源参数模型的可靠度之差小于或等于给定的阈值,则进行步骤S3.6,否则将步骤S3.4中得到的可靠度用于步骤S3.3中再次计算置信度,重复步骤S3.3至步骤S3.5;
S3.6:停止计算,得到所有所述源参数模型的可靠度,所述网格化的三维地质模型的可靠度和与之对应的所述源参数模型的可靠度正相关。
S4:根据每一所述网格化的三维地质模型的可靠度和网格单元的属性值类型,得到所述地质体的最优结构模型或者最优属性模型。
请参考图3,步骤S4包括:
S4.1:设每一所述网格化的三维地质模型中的其中一网格单元的网格编号为i,则j个不同的所述网格化的三维地质模型的网格编号为i的网格单元的属性值分别为Vi 1,Vi 2……Vi j,j为正整数,获取网格编号为i的所有网格单元的属性值Vi={Vi 1,Vi 2……Vi j};
S4.2:判断网格编号为i的所有网格单元的属性值的类型,如果属性值为数字类型的,则进行步骤S4.3;如果属性值为枚举类型的,则进行步骤S4.4;
S4.4:将可靠度最高的所述网格化的三维地质模型为网格单元所提供的属性值作为最优值;
S4.5:判断是否对所有的网格单元进行了最优值求解,如果没有,则进行步骤S4.6;如果已经完成了对所有网格单元的最优值求解,则进行步骤S4.7;
S4.6:利用S4.1~4.4对网格编号为i之外的其他网格单元进行最优值求解;
S4.7:当寻优的三维地质模型是属性模型时,则由所有最优解构成的三维网格模型即为最优属性模型;当寻优的三维地质模型是三维结构模型时,对得到的所述最优属性模型进行三维曲面重建以得到最优结构模型。
本发明区别现有技术的有益效果是:本发明所述的基于真值发现的三维地质模型寻优方法,通过将所述三维地质模型转化为所述三维网格模型,并用所述真值发现算法来推断每个所述网格化的模型的三维地质模型的可靠度,加权融合计算最优地质模型。最终有效地对所述三维地质模型进行了评价并求解出最优模型,充分利用了所述真值发现方法的灵活扩展性和挖掘正确信息的能力,解决了传统方法在模型寻优上耗时且效果不佳的问题。
在本文中,所涉及的前、后、上、下等方位词是以附图中零部件位于图中以及零部件相互之间的位置来定义的,只是为了表达技术方案的清楚及方便。应当理解,所述方位词的使用不应限制本申请请求保护的范围。
在不冲突的情况下,本文中上述实施例及实施例中的特征可以相互结合。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种基于真值发现的三维地质模型寻优方法,其特征在于:包括如下步骤:
S1:对同一地质体进行建模得到若干三维地质模型,对每个所述三维地质模型进行网格化;
S2:所有所述三维地质模型的类型相同,判断所述三维地质模型的类型,若所述三维地质模型为三维结构模型,则将地层类型作为所述网格化的三维结构模型中的各个网格单元的属性值为每一所述网格化的三维结构模型中的每一网格单元赋值,若所述三维地质模型为属性模型,则直接从所述属性模型中获取相应网格单元的属性值为每一网格单元赋值;
S3:将所述网格化的三维地质模型作为输入数据分别输入真值发现算法中,使用所述真值发现算法推算每一所述网格化的三维地质模型的可靠度;
所述真值发现算法包括LCA算法和EM算法,步骤S3包括:
S3.1:将所述网格化的三维地质模型作为输入数据输入到所述LCA算法中,利用所述LCA算法构建源参数模型;
S3.2:初始化,为每个所述源参数模型赋予一样的可靠度;
S3.3:利用所述EM算法求期望值,计算每个网格单元所有隐藏变量的置信度;
S3.4:在所述EM算法中,利用每一所述源参数模型中的所有所述隐藏变量的置信度对该源参数模型的置信度进行可靠度求解;
S3.5:对前后同一所述源参数模型的可靠度进行求差计算,若前后同一所述源参数模型的可靠度之差小于或等于给定的阈值,则进行步骤S3.6,否则将步骤S3.4中得到的可靠度用于步骤S3.3中再次计算置信度,重复步骤S3.3至步骤S3.5;
S3.6:停止计算,得到所有所述源参数模型的可靠度,所述网格化的三维地质模型的可靠度和与之对应的所述源参数模型的可靠度正相关;
S4:根据每一所述网格化的三维地质模型的可靠度或源参数模型的可靠度以及网格单元的属性值类型,得到所述地质体的最优结构模型或者最优属性模型。
2.如权利要求1所述的基于真值发现的三维地质模型寻优方法,其特征在于:步骤S1还包括:对每一所述网格化的三维地质模型中的每一网格单元进行编号,在同一所述网格化的三维地质模型中,不同空间位置处的网格单元的网格编号不同;在不同的所述网格化的三维地质模型中,相同空间位置处的网格单元的网格编号相同。
3.如权利要求2所述的基于真值发现的三维地质模型寻优方法,其特征在于:步骤S4包括步骤:
S4.1:设每一所述网格化的三维地质模型中的其中一网格单元的网格编号为i,则j个不同的所述网格化的三维地质模型的网格编号为i的网格单元的属性值分别为Vi 1,Vi 2……Vi j,j为正整数,获取网格编号为i的所有网格单元的属性值Vi={Vi 1,Vi 2……Vi j};
S4.2:判断网格编号为i的所有网格单元的属性值的类型,如果属性值为数字类型的,则进行步骤S4.3;如果属性值为枚举类型的,则进行步骤S4.4;
S4.4:将可靠度最高的所述网格化的三维地质模型为网格单元所提供的属性值作为最优值;
S4.5:判断是否对所有的网格单元进行了最优值求解,如果没有,则进行步骤S4.6;如果已经完成了对所有网格单元的最优值求解,则进行步骤S4.7;
S4.6:利用S4.1~S4.4对网格编号为i之外的其他网格单元进行最优值求解;
S4.7:当寻优的三维地质模型是属性模型时,则由所有最优解构成的三维网格模型即为最优属性模型;当寻优的三维地质模型是三维结构模型时,对得到的所述最优属性模型进行三维曲面重建以得到最优结构模型。
4.如权利要求1所述的基于真值发现的三维地质模型寻优方法,其特征在于:
步骤S2中,若所述三维地质模型为三维结构模型,且一个网格单元包含了多个地层,则取所占比例最大的地层的地层类型作为该网格单元的属性值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810846608.4A CN109191572B (zh) | 2018-07-27 | 2018-07-27 | 一种基于真值发现的三维地质模型寻优方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810846608.4A CN109191572B (zh) | 2018-07-27 | 2018-07-27 | 一种基于真值发现的三维地质模型寻优方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109191572A CN109191572A (zh) | 2019-01-11 |
CN109191572B true CN109191572B (zh) | 2022-05-06 |
Family
ID=64937726
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810846608.4A Active CN109191572B (zh) | 2018-07-27 | 2018-07-27 | 一种基于真值发现的三维地质模型寻优方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109191572B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110675496B (zh) * | 2019-09-27 | 2023-07-14 | 武汉中地数码科技有限公司 | 基于三维城市地质模型的网格剖分和可视化方法及其系统 |
CN112800640A (zh) * | 2019-11-14 | 2021-05-14 | 北京中科联华石油科学研究院 | 一种确定地质模型垂向网格精度的方法 |
CN112489178A (zh) * | 2020-12-01 | 2021-03-12 | 广东稳峰电力科技有限公司 | 三维电力系统图模建立方法及装置 |
CN112580140B (zh) * | 2020-12-28 | 2022-10-18 | 中水北方勘测设计研究有限责任公司 | 基于bim三维地质模型快速更新地质属性系统及方法 |
CN113409463B (zh) * | 2021-06-29 | 2022-06-07 | 中国地质大学(武汉) | 一种包括尖灭处理的三维地质模型构建方法及装置 |
CN114139252A (zh) * | 2021-11-15 | 2022-03-04 | 中交第三航务工程局有限公司 | 基于bim三维地质模型的岩溶地区旋挖灌注桩施工方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003030738A1 (en) * | 2001-10-09 | 2003-04-17 | Integra Medical Imaging (Aust) Pty Ltd | 2-d and 3-d pose estimation of articles from 2-d images |
CN101051395A (zh) * | 2007-04-11 | 2007-10-10 | 中国科学院地质与地球物理研究所 | 一种基于地球物理场数据的地质体三维可视化方法 |
CN105513131A (zh) * | 2015-12-16 | 2016-04-20 | 中国地质大学(武汉) | 一种顾及褶皱的三维地质结构模型角点网格剖分方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104699725B (zh) * | 2013-12-10 | 2018-10-09 | 阿里巴巴集团控股有限公司 | 数据搜索处理方法及系统 |
-
2018
- 2018-07-27 CN CN201810846608.4A patent/CN109191572B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003030738A1 (en) * | 2001-10-09 | 2003-04-17 | Integra Medical Imaging (Aust) Pty Ltd | 2-d and 3-d pose estimation of articles from 2-d images |
CN101051395A (zh) * | 2007-04-11 | 2007-10-10 | 中国科学院地质与地球物理研究所 | 一种基于地球物理场数据的地质体三维可视化方法 |
CN105513131A (zh) * | 2015-12-16 | 2016-04-20 | 中国地质大学(武汉) | 一种顾及褶皱的三维地质结构模型角点网格剖分方法 |
Non-Patent Citations (2)
Title |
---|
Clustering of geological objects using FCM-algorithm and;G. M. Efendiyev 等;《12th International Conference on Application of Fuzzy Systems and Soft Computing》;20160829;第159-162页 * |
基于子面模板库的第四纪三维地质模型快速构建;花卫华 等;《地球科学(中国地质大学学报)》;20130915;第38卷(第5期);第1128-1134页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109191572A (zh) | 2019-01-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109191572B (zh) | 一种基于真值发现的三维地质模型寻优方法 | |
CN109709603B (zh) | 地震层位识别与追踪方法、系统 | |
Shi et al. | Adaptive simplification of point cloud using k-means clustering | |
CN111582610A (zh) | 基于卷积神经网络对家庭能量分解的预测方法 | |
CN114218292B (zh) | 一种多元时间序列相似性检索方法 | |
CN101055631A (zh) | 一种空间数据模糊证据权重分析方法 | |
CN106920176B (zh) | 一种矿集区尺度矿产资源估算方法及系统 | |
CN111986325B (zh) | 一种三维地质体模型隐式剖切方法 | |
CN113838005A (zh) | 基于维度转换的岩体裂隙智能识别与三维重构方法及系统 | |
Wang et al. | A MPS-based novel method of reconstructing 3D reservoir models from 2D images using seismic constraints | |
Li et al. | Uncertainty visualisation of a 3D geological geometry model and its application in GIS-based mineral resource assessment: a case study in Huayuan District, Northwestern Hunan Province, China | |
Zhang et al. | Automatic deep inference of procedural cities from global-scale spatial data | |
Brisson et al. | Estimating uncertainties in 3-D models of complex fold-and-thrust belts: A case study of the Eastern Alps triangle zone | |
US11119233B2 (en) | Method for estimating elastic parameters of subsoil | |
Sadeghi et al. | A two-point, three-dimensional seismic ray tracing using genetic algorithms | |
Hou et al. | Reconstructing Three-dimensional geological structures by the Multiple-point statistics method coupled with a deep neural network: A case study of a metro station in Guangzhou, China | |
WO2020198284A1 (en) | Automatic calibration of forward depositional models | |
Han et al. | Deep learning–based stochastic modelling and uncertainty analysis of fault networks | |
Yang et al. | Effects of stochastic simulations on multiobjective optimization of groundwater remediation design under uncertainty | |
CN116958470B (zh) | 一种融合马尔可夫链和多点统计学的地质建模方法和装置 | |
Guo et al. | GeoPDNN 1.0: a semi-supervised deep learning neural network using pseudo-labels for three-dimensional shallow strata modelling and uncertainty analysis in urban areas from borehole data | |
Bian et al. | Regional 3D geological modeling along metro lines based on stacking ensemble model | |
CA3077178A1 (en) | Apparatus and methods for improved subsurface data processing systems | |
CN112035430B (zh) | 一种边界约束的自适应海底地形图水深点检测与筛选方法 | |
Liu et al. | 3D Geo-Modeling Framework for Multisource Heterogeneous Data Fusion Based on Multimodal Deep Learning and Multipoint Statistics: A case study in South China Sea |
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 |