CN115146447A - 一种岩溶含水层连通性判别方法及系统、设备及介质 - Google Patents
一种岩溶含水层连通性判别方法及系统、设备及介质 Download PDFInfo
- Publication number
- CN115146447A CN115146447A CN202210652165.1A CN202210652165A CN115146447A CN 115146447 A CN115146447 A CN 115146447A CN 202210652165 A CN202210652165 A CN 202210652165A CN 115146447 A CN115146447 A CN 115146447A
- Authority
- CN
- China
- Prior art keywords
- clustering
- attribute
- observation
- hydrogeological
- observation well
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 36
- 238000004364 calculation method Methods 0.000 claims abstract description 14
- 238000009933 burial Methods 0.000 claims abstract description 9
- 230000002194 synthesizing effect Effects 0.000 claims abstract description 4
- 238000012545 processing Methods 0.000 claims description 14
- 238000004891 communication Methods 0.000 claims description 10
- 230000000694 effects Effects 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012544 monitoring process Methods 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 claims description 4
- 230000007774 longterm Effects 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- 238000012850 discrimination method Methods 0.000 claims description 3
- 239000002349 well water Substances 0.000 claims description 3
- 235000020681 well water Nutrition 0.000 claims description 3
- 238000005086 pumping Methods 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 abstract 1
- 238000003064 k means clustering Methods 0.000 abstract 1
- 238000004519 manufacturing process Methods 0.000 abstract 1
- 239000003673 groundwater Substances 0.000 description 5
- ZZUFCTLCJUWOSV-UHFFFAOYSA-N furosemide Chemical compound C1=C(Cl)C(S(=O)(=O)N)=CC(C(O)=O)=C1NCC1=CC=CO1 ZZUFCTLCJUWOSV-UHFFFAOYSA-N 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 235000019994 cava Nutrition 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000000155 isotopic effect Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 239000000700 radioactive tracer Substances 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种岩溶含水层连通性判别方法及系统、设备及介质,包括:对各观测井的地下水埋深、水位方差、离断层距离,以及观测井处的地形起伏度、坡度等聚类变量进行计算与读取;使用K‑means聚类方法分别进行基于观测井空间位置的距离聚类和水文地质特征的属性聚类;基于观测井的空间距离聚类结果和水文地质属性聚类结果,采用交叉合并规则进行聚类结果的综合,得到混合聚类结果;对混合聚类结果进行评价;基于混合聚类结果和观测井间的连通性强弱制作含水层连通性结果专题图。本发明基于观测井的水文地质特征,使用混合聚类分析方法判别含水层的连通性。该方法实现难度低,对含水层的参数需求少,自动化程度和计算精度均较高。
Description
技术领域
本发明属于水文地质学领域,尤其涉及一种针对岩溶含水层间连通性的判别方法。
背景技术
岩溶水是赋存于可溶性岩层溶蚀裂隙和溶洞中的地下水,其最明显特点是分布极不均匀。受岩溶发育程度、局部地形、构造特征等水文地质条件的影响,岩溶含水层的水流特征与其空间连通性密切相关。复杂岩溶含水层系统的水力连通性研究对岩溶地下水开发与补给、可持续运行、优化布局等具有重要应用价值。
岩溶含水层水力连通性的传统研究是通过水头测量(抽水试验)、水化学和环境同位素示踪试验以及数值模拟进行的。然而,水力连通性测量的一般定量方法,如常规实验和同位素示踪试验,工作周期长、投入大,且需要大量的数据支持;数值模拟方法进行含水层系统模拟和连通性研究,则需要大量长期的水文气象数据和详细的参数为前提。上述方法对复杂、不确定的水力连通性研究具有重要意义,但是往往需要大规模和连续的监测,成本高且耗时长。
发明内容
本发明针对现有技术存在的问题,公开了一种基于观测井水文地质特征的含水层连通性判别方法,在无需含水层详细信息和复杂参数的情况下,本发明拟基于地下水位观测井的水位监测序列及地形地貌数据,通过距离聚类和属性聚类相结合的混合聚类方法,实现观测井之间岩溶含水层的连通性判别。
本发明采用的技术方案如下:
第一方面,本发明提出的基于距离-属性混合聚类的岩溶含水层连通性判别方法,如下:
步骤1获取各观测井的地下水埋深、水位方差、离断层距离,以及观测井处的地形起伏度、坡度,进行聚类变量计算,并分别存入观测井位置集合和水文地质属性集合;
步骤2对水文地质属性集合中的各个因子,分别进行标准化处理,得到标准化处理后的集合;
步骤3基于观测井位置集合,进行空间聚类,得到基于观测井位置的空间聚类结果;
步骤4基于观测井的水文地质属性集合,进行属性聚类,得到基于观测井水文地质特征的属性聚类结果;
步骤5基于得到的空间距离聚类结果和水文地质属性聚类结果,采用交叉合并规则进行聚类结果的综合,得到混合聚类结果;
步骤6对混合聚类结果进行评价;
步骤7依据混合聚类结果及观测井间连通性强弱生成含水层连通性专题图。
第二方面,本发明还提供了一种岩溶含水层连通性判别系统,如下:
集合构建模块,用于获取各观测井的地下水埋深、水位方差、离断层距离,以及观测井处的地形起伏度、坡度,进行聚类变量计算,并分别存入观测井位置集合和水文地质属性集合;
标准化处理模块,对水文地质属性集合中的各个因子,分别进行标准化处理,得到标准化处理后的集合;
空间聚类模块,基于观测井位置集合,进行空间聚类,得到基于观测井位置的空间聚类结果;
属性聚类模块,基于观测井的水文地质属性集合,进行属性聚类,得到基于观测井水文地质特征的属性聚类结果;
综合处理模块,基于得到的空间距离聚类结果和水文地质属性聚类结果,采用交叉合并规则进行聚类结果的综合,得到混合聚类结果;
评价模块,对混合聚类结果进行评价;
连通性判断模块,依据混合聚类结果及观测井间连通性强弱生成含水层连通性专题图。
第三方面,本发明还提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现所述方法。
第四方面,本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现权利要求任一所述方法。
本发明的有益效果如下:
本发明基于观测井空间距离和水文地质特征属性特征的混合聚类算法,发明了一种基于距离-属性混合聚类的岩溶含水层连通性判别方法,并基于此方法提供了一种岩溶含水层连通性判别系统,以一种高效而低成本的方式实现了岩溶含水层的连通性判别,提高了岩溶含水层岩溶发育的空间异质性研究成本和效率。
附图说明
图1是本实施例中研究区范围和观测井位置;
图2是本实施例中采用的地表DEM数据;
图3是本实施例中采用的地表断裂数据;
图4是观测井位置和水文地质属性表;
图5是本发明方法总流程图;
图6是混合聚类方法计算流程图;
图7是空间位置距离聚类结果;
图8是水文地质属性聚类结果;
图9是混合聚类结果;
图10是岩溶含水层观测井连通性专题图。
具体实施方式
下面对本发明技术方案作进一步详细的说明,本实例选取了山东省济南市马山断裂与港沟断裂之间的碳酸盐岩岩溶含水层(图1)。数据源包括该区域内布设的16口观测井及其长期地下水位监测序列、30m分辨率DEM数据(图2)和断层断裂数据(图3)。结合下面附图,并通过描述一个具体的实施例,来进一步说明。
实施例1
本实施例提供了一种基于距离-属性混合聚类的岩溶含水层连通性判别方法,具体包括如下步骤:
(1)读取和计算各观测井的地下水埋深、水位方差、离断层距离,以及观测井处的地形起伏度、坡度等聚类变量,并分别存入观测井位置集合WellP={wpi(xi,yi)|i=0,...,nw}(nw为观测井数量)和水文地质属性集合Hydro={hdi(gdi,gvi,wydi,wtri,wsi,wfi)|i=0,...,nw}。在本实例中观测井总数为16。该步骤具体包括:
(1-1)创建观测井集合Well={wi(wpi,whdi)|i=1,...,nw},其中,wi为第i个观测井要素,wpi为观测井wi的位置属性集,whdi为观测井wi的水文地质属性集;
(1-2)读取观测井基本信息表中各观测井的编号、坐标位置,得到观测井位置属性集WellP={wpi(xi,yi)|i=1,...,nw},其中xi为观测井wi的横坐标,yi是观测井wi的纵坐标;
(1-3)读取观测井wi的长期地下水位监测时间序列数据,获取和计算观测井wi的地下水埋深因子gdi,地下水位方差因子gvi;
(1-4)读取由抽水试验获得的观测井wi的单井涌水量因子wydi;
(1-5)读取DEM数据,计算观测井wi所处位置的地形起伏度值wtri。
(1-6)计算观测井wi所处位置的坡度值,得到坡度因子wsi;
(1-7)读取断裂数据文件,计算观测井wi距最近的断裂的距离,得到离断层距离因子wfi;
(1-8)循环执行步骤(1-3)至(1-7),得到所有观测井的水文地质属性信息,并存入集合WellHydro={whdi(gdi,gvi,wydi,wtri,wsi,wfi)|i=1,...,nw},其中gdi为地下水埋深、gvi为地下水位方差、wydi为单井涌水量、wtri为地形起伏度、wsi为坡度、wfi为离断层距离;
(1-9)基于WellP、WellHydro,更新观测井集合Well={wi(wpi,whdi)|i=1,...,nw}(图4);
(2)对观测井的水文地质属性集合WellHydro中的各个因子,分别进行Z-Score标准化处理,得到标准化处理后的集合WellHydro;
(3)基于观测井的位置集合,进行K-means空间聚类,得到基于观测井位置的空间聚类结果。该步骤的流程如图6所示,具体步骤包括:
(3-1)读取观测井位置属集合WellP={wpi(xi,yi)|i=1,...,nw};
(3-2)初始化距离聚类中心。由WellP中随机选取k个观测井作为距离聚类初始中心集合DisCenterPoint={dcpj(dcpxj,dcpyj)|j=1,...,k},其中dcpj为距离聚类中心点,dcpxj为横坐标,dcpyj为纵坐标;
(3-3)创建距离聚类分组集合
(3-4)开始K-means空间位置距离聚类;
进一步的,步骤(3-4)包括:
(3-4-1)读取距离聚类中心点集合
DisCenterPoint={dcpj(dcpxj,dcpyj)|j=1,,..,k};
(3-4-2)根据公式(1)计算观测井wi与聚类中心dcpj的欧式距离:
(3-4-3)当j=1,...,k时,重复步骤(3-4-2),得到观测井wi与DisCenterPoint中所有聚类中心点的欧式距离;
(3-4-4)计算disij(wi,dcpj)(j=1,2,...,k)中最小值,获取与观测井wi距离最小的聚类中心点编号j;将观测井wi存入组discatj中;
(3-4-5)当i=1,...,nw,重复步骤(3-4-2)至(3-4-4),将所有观测井都分类到距其最近的聚类中心点簇中;
(3-5)更新聚类中心;
进一步的,步骤(3-5)包括:
(3-5-1)计算discatj中包含的所有观测井的质心,将其作为新的聚类中心点,添加至新聚类中心点集合
NewDisCenterPoint={ndcpj(ndcpxj,ndcpyj)|j=1,...,k}。
(3-5-2)对于j=1,2,...,k,重复步骤(3-5-1),完成所有分组的中心点更新。
(3-6)判断更新后的聚类中心点集合NewDisCenterPoint相比原聚类中心集DisCenterPoint是否发生改变,如果变化,执行步骤(3-7),如果未发生变化,执行步骤(3-8);
(3-7)将更新后的新聚类中心点集NewDisCenterPoint赋值给DisCenterPoint。转到步骤(3-4)并执行;
(4)基于观测井的水文地质属性集合,进行K-means属性聚类,得到基于观测井水文地质特征的属性聚类结果。该步骤的详细流程如图6所示,具体步骤包括:
(4-1)读取观测井水文地质属性集合
Hydro={hdi(gdi,gvi,wydi,wtri,wsi,wfi)|i=1,...,nw};
(4-2)初始化水文地质属性聚类中心。由Hydro中随机选取k个观测井作为属性聚类初始中心集合
HydCenterPoint={hcpj(gdj,gvj,wydj,wtrj,wsj,wfj)|j=1,2,...,k},其中hcpj表示第j个属性聚类中心点,gdj、gvj、wydj、wtrj、wsj、wfj分别代表属性聚类中心点hcpj的标准化后的地下水位埋深、地下水位方差、单井涌水量、地形起伏度、坡度和离断层距离;
(4-4)执行K-means水文地质属性聚类;
进一步的,步骤(4-4)包括:
(4-4-1)读取属性聚类中心点集合
HydCenterPoint={hcpj(gdj,gvj,wydj,wtrj,wsj,wfj)|j=1,2,...,k};
(4-4-2)根据公式(2)计算wi到聚类中心hcpj的水文地质属性距离:
(4-4-3)当j=1,...,k时,重复步骤(4-4-2),得到wi与HydCenterPoint中所有聚类中心的距离;
(4-4-4)计算hydij(zhdi,hcpj)(j=1,2,...,k)中最小值,并获取与wi距离最近的属性聚类中心点编号j;将观测井wi加入组hydcatj中;
(4-4-5)对于i=1,2,3,...,nw,重复步骤(4-4-2)至(4-4-4),将所有观测井都分类到距其最近的属性聚类中心点簇中;
(4-5)更新属性聚类中心:
进一步的,步骤(4-5)包括:
(4-5-1)计算hydcatj中包含的观测井各个水文地质属性均值,将各个变量均值组成的质心作为新的聚类中心点,添加至新属性聚类中心点集合NewHydCenterPoint={nhcpj(ngdj,ngvj,nwydj,nwtrj,nwsj,nwfj)|j=1,2,...,k}
(4-5-2)对于j=1,2,...,k,重复步骤(4-5-1),完成所有分组的中心点更新。
(4-6)判断更新后的属性聚类中心点NewHydCenterPoint相比原属性聚类中心HydCenterPoint是否发生改变,如果变化,执行步骤(4-7),如果未发生变化,执行步骤(4-8);
(4-7)将更新后的聚类中心点集NewHydCenterPoint赋值给HydCenterPoint。转到步骤(4-4)继续执行;
(5)基于(3)和(4)中得到的空间距离聚类结果和水文地质属性聚类结果,采用交叉合并规则进行聚类结果的综合,得到混合聚类结果。该步骤具体包括:
(5-1)读取观测井集合Well={wi(wpi,whdi)|i=1,...,nw};
(5-2)读取空间位置距离聚类结果DisCategory和水文地质属性聚类结果HydCategory;
(5-3)进行两种聚类结果的综合,获得混合聚类结果;
进一步的,步骤(5-3)包括:
(5-3-1)对于任意两个观测井wi和wj(i,j=1,2,3,...,nw;i≠j),如不符合规则(a),则认为观测井wi和wj之间不连通并将其分为不同类;如符合规则(a)而不符合规则(b),则认为观测井wi和wj间存在弱连通性并将其分为不同类;如同时符合规则(a)和(b),则认为观测井wi和wj之间存在强连通性并将其分为同一类;
规则(a):wi和wj属于空间位置距离聚类DisCategory中的同一组;
规则(b):wi和wj属于水文地质属性聚类HydCategory中的同一组;
(5-3-2)获得混合聚类结果
(5-4)获得混合聚类结果MixCategory,同一类的观测井之间为强连通,不同类之间的观测井为不连通或弱连通。本实施例中,混合聚类结果如图9所示;
(6)使用Calinski-Harabasz指标对混合聚类结果进行评价;该步骤具体包括:
(6-1)进行聚类结果的效果评价,分组有效性通过Calinski-Harabasz伪F统计量(简称CH指标)来测量,它是一个反映组内相似性和组间差异性的比率;
(6-2)依据公式(3)计算CH指标值:
其中:
SST反映组间差别,SSE反映组内相似性;nw为观测井数目,nj为组j中的观测井数目,k为类(组)数目,nv为用于将观测井进行分组的变量数目,为第j组中第i个观测井的第v个变量值,为所有观测井第v个变量值的平均值,为第j组中第v个变量值的平均值;
(6-3)使用计算完成的CH指标值对聚类效果进行评估,该值越大表示聚类效果越好,用于评估不同聚类分组数目情况下的聚类效果。本实例中,经过聚类效果评价,距离聚类分为3组,属性聚类分为5组,综合后的混合聚类为7组聚类效果最佳。
(7)依据混合聚类结果及观测井间连通性强弱生成含水层连通性专题图。该步骤具体包括:
(7-1)基于观测井点状数据构建不规则三角网;
(7-1)基于混合聚类结果,观测井之间不连通、弱连通和强连通关系分别使用不同类型的直线符号进行表示,制作观测井连通性专题图(图10)。
实施例2
相应于上面的方法实施例,本实施例还提供了一种岩溶含水层连通性判别系统,如下:本实施例中描述的岩溶含水层连通性判别系统与上文描述的外接存储介质检测方法可相互对应参照。
具体的,该系统包括以下模块:
集合构建模块,用于获取各观测井的地下水埋深、水位方差、离断层距离,以及观测井处的地形起伏度、坡度,进行聚类变量计算,并分别存入观测井位置集合和水文地质属性集合;
标准化处理模块,对水文地质属性集合中的各个因子,分别进行标准化处理,得到标准化处理后的集合;
空间聚类模块,基于观测井位置集合,进行空间聚类,得到基于观测井位置的空间聚类结果;
属性聚类模块,基于观测井的水文地质属性集合,进行属性聚类,得到基于观测井水文地质特征的属性聚类结果;
综合处理模块,基于得到的空间距离聚类结果和水文地质属性聚类结果,采用交叉合并规则进行聚类结果的综合,得到混合聚类结果;
评价模块,对混合聚类结果进行评价;
连通性判断模块,依据混合聚类结果及观测井间连通性强弱生成含水层连通性专题图。
上述各个模块具体的实现方法参考实施例1,与实施例1记载的各个步骤依次对应,在此不进行赘述了。
实施例3
相应于上面的方法实施例,本实施例还提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现实施例1中公开的种基于距离-属性混合聚类的岩溶含水层连通性判别方法。
实施例4
相应于上面的方法实施例,本实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现实施例1中公开的种基于距离-属性混合聚类的岩溶含水层连通性判别方法。
以上所揭露的仅为本发明一种较佳实施例而已,不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
Claims (10)
1.一种岩溶含水层连通性判别方法,其特征在于,包括以下步骤:
步骤1获取各观测井的地下水埋深、水位方差、离断层距离,以及观测井处的地形起伏度、坡度,进行聚类变量计算,并分别存入观测井位置集合和水文地质属性集合;
步骤2对水文地质属性集合中的各个因子,分别进行标准化处理,得到标准化处理后的集合;
步骤3基于观测井位置集合,进行空间聚类,得到基于观测井位置的空间聚类结果;
步骤4基于观测井的水文地质属性集合,进行属性聚类,得到基于观测井水文地质特征的属性聚类结果;
步骤5基于得到的空间距离聚类结果和水文地质属性聚类结果,采用交叉合并规则进行聚类结果的综合,得到混合聚类结果;
步骤6对混合聚类结果进行评价,
步骤7依据混合聚类结果及观测井间连通性强弱生成含水层连通性专题图。
2.如权利要求1所述的岩溶含水层连通性判别方法,其特征在于,步骤1的具体步骤如下:
(1-1)创建观测井集合;
(1-2)读取观测井基本信息表中各观测井的编号、坐标位置,得到观测井位置属性集合;
(1-3)读取观测井的长期地下水位监测时间序列数据,获取和计算观测井的地下水埋深因子,地下水位方差因子;
(1-4)读取由抽水试验获得的观测井的单井涌水量因子;
(1-5)计算观测井所处位置的地形起伏度值;
(1-6)计算观测井所处位置的坡度值,得到坡度因子;
(1-7)读取断裂数据文件,计算观测井距最近的断裂的距离,得到离断层距离因子;
(1-8)循环执行步骤(1-3)至(1-7),得到所有观测井的水文地质属性信息,并存入观测井水文地质集合;
(1-9)基于观测井位置属性集合、观测井水文地质集合,更新观测井集合。
3.如权利要求1所述的岩溶含水层连通性判别方法,其特征在于,步骤(3)包括以下步骤:
(3-1)读取观测井位置属集合;
(3-2)初始化距离聚类中心,由观测井位置属集合中随机选取k个观测井作为距离聚类初始中心集合;
(3-3)创建距离聚类分组集合;
(3-4)开始K-means空间位置距离聚类;
(3-5)更新聚类中心;
(3-6)判断更新后的聚类中心点集合相比原聚类中心集是否发生改变,如果变化,执行步骤(3-7),如果未发生变化,执行步骤(3-8);
(3-7)将更新后的新聚类中心点集赋值给距离聚类中心点集合,转到步骤(3-4)并执行;
(3-8)聚类中心不再变化,聚类结束,得到观测井的空间距离聚类结果。
4.如权利要求1所述的岩溶含水层连通性判别方法,其特征在于,步骤(4)的具体步骤如下:
(4-1)读取观测井水文地质属性集合;
(4-2)初始化水文地质属性聚类中心;由观测井水文地质属性集合中随机选取k个观测井作为属性聚类初始中心集合;
(4-3)创建水文地质属性聚类集合;
(4-4)执行K-means水文地质属性聚类;
(4-5)更新属性聚类中心:
(4-6)判断更新后的属性聚类中心点相比原属性聚类中心是否发生改变,如果变化,执行步骤(4-7),如果未发生变化,执行步骤(4-8);
(4-7)将更新后的聚类中心点集赋值给步骤(4-1)中的属性聚类中心点集合,转到步骤(4-4)继续执行;
(4-8)属性聚类中心不再变化,水文地质属性聚类结束,得到观测井的水文地质属性聚类结果。
5.如权利要求1所述的岩溶含水层连通性判别方法,其特征在于,步骤(5)包括:
(5-1)读取观测井集合;
(5-2)读取空间位置距离聚类结果和水文地质属性聚类结果;
(5-3)进行两种聚类结果的综合,获得混合聚类结果;
(5-4)获得混合聚类结果,同一类的观测井之间为强连通,不同类之间的观测井为不连通或弱连通。
6.如权利要求5所述的岩溶含水层连通性判别方法,其特征在于,步骤(5-3)包括:
(5-3-1)对于任意两个观测井,如不符合规则(a),则认为两个观测井之间不连通并将其分为不同类;如符合规则(a)而不符合规则(b),则认为两个观测井间存在弱连通性并将其分为不同类;如同时符合规则(a)和(b),则认为两个观测井之间存在强连通性并将其分为同一类;
规则(a):两个观测井属于空间位置距离聚类中的同一组;
规则(b):两个观测井属于水文地质属性聚类中的同一组;
(5-3-2)获得混合聚类结果。
7.如权利要求1所述的岩溶含水层连通性判别方法,其特征在于,步骤(6)包括:
(6-1)进行聚类结果的效果评价,分组有效性通过Calinski-Harabasz伪F统计量来测量;
(6-2)计算CH指标值;
(6-3)使用计算完成的CH指标值对聚类效果进行评估,该值越大表示聚类效果越好,用于评估不同聚类分组数目情况下的聚类效果。
8.一种岩溶含水层连通性判别系统,其特征在于,如下:
集合构建模块,用于获取各观测井的地下水埋深、水位方差、离断层距离,以及观测井处的地形起伏度、坡度,进行聚类变量计算,并分别存入观测井位置集合和水文地质属性集合;
标准化处理模块,对水文地质属性集合中的各个因子,分别进行标准化处理,得到标准化处理后的集合;
空间聚类模块,基于观测井位置集合,进行空间聚类,得到基于观测井位置的空间聚类结果;
属性聚类模块,基于观测井的水文地质属性集合,进行属性聚类,得到基于观测井水文地质特征的属性聚类结果;
综合处理模块,基于得到的空间距离聚类结果和水文地质属性聚类结果,采用交叉合并规则进行聚类结果的综合,得到混合聚类结果;
评价模块,对混合聚类结果进行评价;
连通性判断模块,依据混合聚类结果及观测井间连通性强弱生成含水层连通性专题图。
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至8任一所述方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1至8任一所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210652165.1A CN115146447A (zh) | 2022-06-10 | 2022-06-10 | 一种岩溶含水层连通性判别方法及系统、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210652165.1A CN115146447A (zh) | 2022-06-10 | 2022-06-10 | 一种岩溶含水层连通性判别方法及系统、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115146447A true CN115146447A (zh) | 2022-10-04 |
Family
ID=83407735
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210652165.1A Pending CN115146447A (zh) | 2022-06-10 | 2022-06-10 | 一种岩溶含水层连通性判别方法及系统、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115146447A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105788273A (zh) * | 2016-05-18 | 2016-07-20 | 武汉大学 | 基于低精度时空轨迹数据的城市交叉口自动识别的方法 |
US20180259661A1 (en) * | 2017-03-10 | 2018-09-13 | Matthew W. Harris | Outlier Detection for Identification of Anomalous Cross-Attribute Clusters |
CN109711607A (zh) * | 2018-12-14 | 2019-05-03 | 河海大学 | 基于迟滞效应的水流连通性识别方法和装置 |
CA3100082A1 (en) * | 2018-05-28 | 2019-12-05 | The University Of Melbourne | Mine planning method and system |
CN111161415A (zh) * | 2020-01-03 | 2020-05-15 | 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) | 一种岩溶区地下水岩溶发育通道三维空间模拟方法 |
CN114021644A (zh) * | 2021-11-03 | 2022-02-08 | 中国地质科学院水文地质环境地质研究所 | 一种基于K-means和去丛聚法的区域代表性地下水位计算方法 |
-
2022
- 2022-06-10 CN CN202210652165.1A patent/CN115146447A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105788273A (zh) * | 2016-05-18 | 2016-07-20 | 武汉大学 | 基于低精度时空轨迹数据的城市交叉口自动识别的方法 |
US20180259661A1 (en) * | 2017-03-10 | 2018-09-13 | Matthew W. Harris | Outlier Detection for Identification of Anomalous Cross-Attribute Clusters |
CA3100082A1 (en) * | 2018-05-28 | 2019-12-05 | The University Of Melbourne | Mine planning method and system |
CN109711607A (zh) * | 2018-12-14 | 2019-05-03 | 河海大学 | 基于迟滞效应的水流连通性识别方法和装置 |
CN111161415A (zh) * | 2020-01-03 | 2020-05-15 | 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) | 一种岩溶区地下水岩溶发育通道三维空间模拟方法 |
CN114021644A (zh) * | 2021-11-03 | 2022-02-08 | 中国地质科学院水文地质环境地质研究所 | 一种基于K-means和去丛聚法的区域代表性地下水位计算方法 |
Non-Patent Citations (2)
Title |
---|
吴玉琴: "平原灌区沟渠网络水文连通性研究——以苏北阜东灌区为例", 《中国优秀硕士学位论文全文数据库(电子期刊)农业科技辑》, 15 March 2021 (2021-03-15) * |
王炳强;白喜庆;吴振岭;: "基于水化学特征的聚类法判别矿井突水水源", 河北工程大学学报(自然科学版), no. 03, 25 September 2015 (2015-09-25), pages 101 - 104 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jouves et al. | Speleogenesis, geometry, and topology of caves: A quantitative study of 3D karst conduits | |
Mackay et al. | Extraction and representation of nested catchment areas from digital elevation models in lake‐dominated topography | |
CN106909899B (zh) | 一种湿地景观演变过程的分析方法及分析系统 | |
CN106121622B (zh) | 一种基于示功图的有杆泵抽油井的多故障诊断方法 | |
Wang et al. | Evolution of coordination degree of eco-economic system and early-warning in the Yangtze River Delta | |
CN109117861B (zh) | 一种顾及空间位置的点集多层次聚集性分析方法 | |
CN106355003B (zh) | 基于t分布的马尔科夫链蒙特卡洛自动历史拟合方法及系统 | |
Sarkar | Accuracy assessment and analysis of land use land cover change using geoinformatics technique in Raniganj Coalfield Area, India | |
CN105426620B (zh) | 一种油层剩余油主控因素定量分析方法及装置 | |
CN110097069A (zh) | 一种基于深度多核学习的支持向量机岩相识别方法及装置 | |
CN113240257A (zh) | 一种基于最小累积阻力模型的国土空间分区方法和装置 | |
CN108020649A (zh) | 一种确定岩溶大泉补给通道及强度的方法 | |
CN116245013A (zh) | 一种地质预测模型构建方法、建模方法、设备及存储介质 | |
CN114429525A (zh) | 裂缝性油藏多尺度裂缝模拟方法及计算机可读存储介质 | |
CN114692471B (zh) | 一种岩溶地下水系统流网模拟方法 | |
CN112861890B (zh) | 一种储层评价模型构建方法及储层识别方法 | |
Kim | Modeling spatial and temporal dynamics of plant species richness across tidal creeks in a temperate salt marsh | |
CN117330040B (zh) | 一种基于水上测绘无人船的滩涂地形测绘方法及系统 | |
CN112610205B (zh) | 一种强非均质储层气井早期产能评价方法 | |
CN115146447A (zh) | 一种岩溶含水层连通性判别方法及系统、设备及介质 | |
CN117216942A (zh) | 一种用于井位优化的生产潜力指数的建立方法 | |
Yu et al. | Discrete fracture network generation from microseismic data using Moment-Tensor constrained Hough transforms | |
CN114202551B (zh) | 一种喀斯特石漠化的分级制图方法及装置 | |
Oberthür et al. | Perception, understanding, and mapping of soil variability in the rainfed lowlands of northeast Thailand | |
Tang et al. | Review of digital elevation model (DEM) based research on China Loess Plateau |
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 |