CN117132735A - 一种多源信息地质曲面重构方法及系统 - Google Patents
一种多源信息地质曲面重构方法及系统 Download PDFInfo
- Publication number
- CN117132735A CN117132735A CN202311252237.4A CN202311252237A CN117132735A CN 117132735 A CN117132735 A CN 117132735A CN 202311252237 A CN202311252237 A CN 202311252237A CN 117132735 A CN117132735 A CN 117132735A
- Authority
- CN
- China
- Prior art keywords
- data
- curved surface
- interpretation
- grid
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 230000000877 morphologic effect Effects 0.000 claims abstract description 41
- 238000012545 processing Methods 0.000 claims abstract description 10
- 238000012549 training Methods 0.000 claims description 35
- 238000004891 communication Methods 0.000 claims description 18
- 238000010276 construction Methods 0.000 claims description 12
- 238000013499 data model Methods 0.000 claims description 12
- 238000007781 pre-processing Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 9
- 238000005457 optimization Methods 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 4
- 238000013517 stratification Methods 0.000 claims description 4
- 238000013075 data extraction Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 5
- 238000004458 analytical method Methods 0.000 abstract description 4
- 230000004927 fusion Effects 0.000 abstract description 4
- 230000003993 interaction Effects 0.000 abstract description 3
- 238000012360 testing method Methods 0.000 abstract description 3
- 230000000007 visual effect Effects 0.000 abstract description 3
- 239000000523 sample Substances 0.000 description 24
- 238000009847 ladle furnace Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 238000009499 grossing Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000011478 gradient descent method Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 241001632422 Radiola linoides Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 239000013068 control sample Substances 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
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
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Computer Graphics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明提供一种多源信息地质曲面重构方法及系统，属于油气地球物理技术领域，基于多源信息融合，将多源信息转换为了约束条件，其中的边界特征信息数据能够提供拓扑语义约束，形态特征信息数据能够提供几何形态语义约束，井分层信息数据能够提供层位空间位置约束，能够精准拟合置信度与空间距离间的相互关系，更适合处理高维、空间相关性强的数据。此外，针对目标地质曲面的不确定性和形态特征丢失的问题，提出了将地质专家知识通过可视化交互的方式引入网络回归中，引导约束曲面的重构过程。通过理论模型的测试，证明了引入多源数据的有效性。在实际数据上进行测试，本发明相比于一般插值方法，更加符合地质曲面的分析与解释。
Description
技术领域
本发明属于油气地球物理技术领域，特别涉及一种多源信息地质曲面重构方法及系统。
背景技术
空间曲面重构是医学建模、文物保护、地质建模等诸多领域内的重要研究课题之一，在众多实际的工程实践中，曲面重构技术的应用创造了许多重大的价值,在具有复杂相交关系的曲面重构领域，如地质建模领域，边界特征的准确性是构建可靠曲面模型的重要因素。在三维地质曲面重构方面，由于地质领域数据稀疏性，并且地质界面可能产生多重值的复杂情况，然而，由于缺乏层位与断层相交关系、地质构造约束知识和专家认知等信息，传统方法仅仅能够求得具备确定性相交关系的层位面和断层面交线，对于不确定相交关系的曲面边界(交线)特征提取仍存在不足。
在地质物探领域内，地质曲面重构是构造成图和构造建模等应用的基础。地质曲面重建在三维地质建模的实现中占有非常重要的地位。在实际工程中，从野外获得的各种原始地质资料最多的是地表地形、地层边界、断层等数据，不能显示其空间分布情况，不有利于地质工作者改变地质保证规则，根据此需要，根据数据表面的获取，选择合适的空间插值方法，正确的三维可视化之间的地质界面。地质曲面重构是曲面重构在地质勘探领域的应用之一，是油气勘探开发中油气运移路径分析、储量计算和地质构造三维建模等研究工作的基础。由于地理空间内存在一些无法观测位置或难以大量布设观测点等原因，空间研究区域内存在大量未知数据点，导致了地质曲面重构很大程度上受到不确定性的影响，如何通过已知位置的观测数据估计未知数据，从而构建拟合度高、光顺性好、形态特征准确的合理地质曲面模型，是当前地质曲面重构领域的主要问题。
现有的技术存在以下的不足：
(1)由于输入数据稀疏不确定，现有方法得到的曲面丢失了形态特征。
(2)在信息缺失、少样本、不准确的点云数据上进行不确定性曲面建模仍有较高难度。
发明内容
鉴于上述问题，本发明提出了一种多源信息地质曲面重构方法及系统，通过将点云之间的欧式空间距离作为输入，点云各点之间的空间权重系数作为输出。捕捉空间上相邻区域之间的非线性关系，从而提高预测精度。其更适合处理高维、空间相关性强的数据，适用于复杂地质空间曲面重构。
本发明实施例提供一种多源信息地质曲面重构方法，包括：
获取通过解释人员对地震资料进行层位解释和断层解释得到的原始地震解释数据；针对所述原始地震解释数据进行预处理，得到层位解释数据和断层解释数据；
针对预处理后的地震解释数据，通过构造知识图谱进行交线估计，得到地质曲面的边界特征数据、测井分层数据和形态特征数据；
针对所述地质曲面边界特征，构建矩形网格，将层位解释数据、断层解释数据、测井分层数据、形态特征数据和边界特征数据，投入所述矩形网格；
对所述矩形网格上的网格点和连接关系构建三角网，得到网格拓扑关系；从所述网格拓扑关系中选取二维坐标作为训练集，所述二维坐标以外的高程值作为标签数据进行模型训练；
构建优化数据模型，根据所述优化数据模型得到重构曲面。
进一步的，所述获取通过解释人员对地震资料进行层位解释和断层解释得到的原始地震解释数据，包括：
获取至少一个工区内的多个地震资料进行层位解释及断层解释；
其中，所述原始地震解释数据为测线方向数据密集，测线间数据稀疏的点云数据。
进一步的，所述针对所述原始地震解释数据进行预处理，得到层位解释数据和断层解释数据，包括：
针对原始地震解释数据进行数据测线方向采样、提取工区的边界数据和数据归一化处理得到层位解释数据和断层解释数据。
进一步的，所述针对预处理后的地震解释数据，通过构造知识图谱进行交线估计，得到地质曲面的边界特征数据、测井分层数据和形态特征数据，包括：
通过构造知识图谱对地震解释数据进行交线估计形成地质曲面重构边界特征；
根据所述重构边界特征以及构造地质模型的拓扑关系得到地质曲面的边界特征数据、测井分层数据和形态特征数据。
进一步的，所述针对所述地质曲面边界特征，构建矩形网格，将层位解释数据、断层解释数据、测井分层数据、形态特征数据和边界特征数据，投入所述矩形网格，包括：
将曲面边界特征数据投影到矩形网格上；
将层位解释数据、断层解释数据、测井分层数据、形态特征数据和边界特征数据，投入所述矩形网格。
进一步的，对所述矩形网格上的网格点和连接关系构建三角网，得到网格拓扑关系；从所述网格拓扑关系中选取二维坐标作为训练集，所述二维坐标以外的高程值作为标签数据进行模型训练，包括：
通过所述矩形网格的拓扑连接关系将所述曲面空间三维数据进行二维展开，得到曲面边界特征样本点处的四邻域二阶导数；
通过曲面边界特征样本点处的四邻域二阶导数，确定精细曲面。
进一步的，对所述矩形网格上的网格点和连接关系进行三角剖分，包括：
计算网格点局部的平滑损失，根据所述平滑损失和网格点连接关系对曲面凹多边形三角剖分；
针对网格点中的四个相连方向，通过判断边界特征线处的断层类型，确定网格点的有效连接方向，得到网格拓扑关系。
进一步的，所述方法还包括：
对所述将层位解释数据、断层解释数据、测井分层数据、形态特征数据和边界特征数据进行置信度估计；
其中，从所述网格拓扑关系中的三维坐标选取二维坐标作为训练集，所述二维坐标以外的高程值作为标签数据进行模型训练。
进一步的，所述方法还包括：
结合反距离权重法将待估点与邻接点的欧式空间距离作为输入，将待估点与邻接点之间的空间权重系数作为输出；
通过对空间权重系数和空间距离间的非线性关系进行学习对样本点到待插值点的预测；
筛选置信度样本点，将所述置信度样本点作为约束条件，根据所述约束条件，通过曲面优化模型生成平滑曲面。
基于同一发明构思，本发明实施例另一方面还提供一种多源信息地质曲面重构系统，包括：
预处理单元，用于获取通过解释人员对地震资料进行层位解释和断层解释得到的原始地震解释数据；针对所述原始地震解释数据进行预处理，得到层位解释数据和断层解释数据；
交线估计单元，用于针对预处理后的地震解释数据，通过构造知识图谱进行交线估计，得到地质曲面的边界特征数据、测井分层数据和形态特征数据；
网格构建单元，用于针对所述地质曲面边界特征，构建矩形网格，将层位解释数据、断层解释数据、测井分层数据、形态特征数据和边界特征数据，投入所述矩形网格；
模型构建单元，用于对所述矩形网格上的网格点和连接关系构建三角网，得到网格拓扑关系；从所述网格拓扑关系中选取二维坐标作为训练集，所述二维坐标以外的高程值作为标签数据进行模型训练；
曲面重构单元，用于构建优化数据模型，根据所述优化数据模型得到重构曲面。
基于同一发明构思，本发明实施例另一方面还提供一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器、通信接口和存储器通过通信总线完成相互间的通信；
存储器，存储有计算机程序；
处理器，执行存储器存储的程序时，实现多源信息地质曲面重构方法。
基于同一发明构思，本发明实施例另一方面还提供一种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多源信息地质曲面重构。
本发明的有益效果：
本发明基于多源信息融合，将多源信息转换为了约束条件，其中的边界特征信息数据能够提供拓扑语义约束，形态特征信息数据能够提供几何形态语义约束，井分层信息数据能够提供层位空间位置约束，能够精准拟合置信度与空间距离间的相互关系，更适合处理高维、空间相关性强的数据。此外，针对目标地质曲面的不确定性和形态特征丢失的问题，提出了将地质专家知识通过可视化交互的方式引入网络回归中，引导约束曲面的重构过程。通过理论模型的测试，证明了引入多源数据的有效性。在实际数据上进行测试，本发明相比于一般插值方法，更加符合地质曲面的分析与解释。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书以及附图中所指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一种多源信息地质曲面重构方法流程示意图；
图2为本发明网格拓扑关系构建示意图；
图3为本发明离散光滑插插值方法训练结果示意图；
图4(a)为本发明层位面HS1的重构曲面点云示意图；
图4(b)为本发明层位面HS1的重构曲面实体示意图；
图5为本发明某工区的重构曲面模型示意图；
图6为本发明多源信息地质曲面重构系统示意图；
图7为本发明基于多源信息地质曲面重构的电子设备示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地说明，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，本申请中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例。在本申请中，术语“上”、“下”、“左”、“右”、“前”、“后”、“顶”、“底”、“内”、“外”、“中”、“竖直”、“水平”、“横向”、“纵向”等指示的方位或位置关系为基于附图所示的方位或位置关系。
本发明提供一种多源信息地质曲面重构方法，参见图1，包括：
S101:获取通过解释人员对地震资料进行层位解释和断层解释得到的原始地震解释数据；针对所述原始地震解释数据进行预处理，得到层位解释数据和断层解释数据；
具体来说，根据从油田、地球物理服务公司获取的地震资料，由解释人员对地震资料进行层位和断层解释，获得原始地震解释数据；
具体地，获取至少一个工区内的多个地震资料进行层位解释及断层解释；其中，所述原始地震解释数据为测线方向数据密集，测线间数据稀疏的点云数据。针对原始地震解释数据进行数据测线方向采样、提取工区的边界数据和数据归一化处理得到层位解释数据和断层解释数据。
S102:针对预处理后的地震解释数据，通过构造知识图谱进行交线估计，得到地质曲面的边界特征数据、测井分层数据和形态特征数据；
通过引入构造知识图谱，进行交线估计。形成地质曲面重构的边界特征，确保了重构的地质曲面符合构造地质模型的拓扑关系从而得到边界特征数据、测井分层数据、曲面形态特征数据。
S103:针对所述地质曲面边界特征，构建矩形网格，将层位解释数据、断层解释数据、测井分层数据、形态特征数据和边界特征数据，投入所述矩形网格；
S104:对所述矩形网格上的网格点和连接关系构建三角网，得到网格拓扑关系；从所述网格拓扑关系中选取二维坐标作为训练集，所述二维坐标以外的高程值作为标签数据进行模型训练；
S105:构建优化数据模型，根据所述优化数据模型得到重构曲面。
在一些可选的实施例中，所述针对预处理后的地震解释数据，通过构造知识图谱进行交线估计，得到地质曲面的边界特征数据、测井分层数据和形态特征数据，包括：
通过构造知识图谱对地震解释数据进行交线估计形成地质曲面重构边界特征；
根据所述重构边界特征以及构造地质模型的拓扑关系得到地质曲面的边界特征数据、测井分层数据和形态特征数据。
具体地，所述针对所述地质曲面边界特征，构建矩形网格，将层位解释数据、断层解释数据、测井分层数据、形态特征数据和边界特征数据，投入所述矩形网格，包括：
将曲面边界特征数据投影到矩形网格上；
将层位解释数据、断层解释数据、测井分层数据、形态特征数据和边界特征数据，投入所述矩形网格。
在一些可选的实施例中，对所述矩形网格上的网格点和连接关系构建三角网，得到网格拓扑关系；从所述网格拓扑关系中选取二维坐标作为训练集，所述二维坐标以外的高程值作为标签数据进行模型训练，包括：
通过所述矩形网格的拓扑连接关系将所述曲面空间三维数据进行二维展开，得到曲面边界特征样本点处的四邻域二阶导数；
通过曲面边界特征样本点处的四邻域二阶导数，确定精细曲面；
下面针对本发明实施例进行具体说明。
由于曲面边界特征数据为点云数据，曲面可能并不连续且存在折叠区域，因此，需要搭建矩形网格，将曲面边界特征数据投影到网格上，通过构建网格的拓扑连接关系来将空间三维数据进行二维展开；类似于将折叠的曲面进行拉平。运用拉普拉斯算子公式，
计算该样本点处的四邻域二阶导数，其中，hx表示网格列宽，hy表示网格行高，u、v表示网格的横纵坐标，参见图2，搭建c*r大小的矩形网格，其中c为x轴方向网格列的数量，r为y轴方向网格行的数量。网格大小必须保证小于层位线或断层线在y轴方向的间隔，网格越小，生成的曲面越精细，其作用是便于后续插值，保证后续生成的曲面更加精细。
矩形网格投影。需要说明的是，非控制点数据需要投影到矩形网格点上，包括：层位解释数据、断层解释数据和形态特征线数据，该类型数据的种子数据不一定都在矩形网格点之上，因此，需要设定搜索半径R，统计待插值网格点附近的距离为R内所有种子数据，通过反距离权重法对数据的高程值进行插值，从而将种子数据投影到矩形网格点上。
控制点数据不能投影到网格点上，其种子数据需要保留加入到训练数据集中，测井分层数据用以保证层位面的空间位置，边界特征线数据用以保证层位面和断层面的水密缝合。井分层数据为一系列控制点，需用十字坐标线与最近的网格线相交，得到采样点。边界特征线数据与网格边相交，需要通过最小二乘法对特征线进行拟合，而后分别将基于网格线的横纵坐标进行采样，得到特征线与网格线的交点数据(x,y)。
本发明中由于地质曲面存在逆断层等地质构造，使得曲面在空间存在折叠区域，在一个网格点上可能会有多个z值，因此需要构建网格点之间的拓扑关系。
在一些可选的实施例中，对所述矩形网格上的网格点和连接关系进行三角剖分，包括：
计算网格点局部的平滑损失，根据所述平滑损失和网格点连接关系对曲面凹多边形三角剖分；
针对网格点中的四个相连方向，通过判断边界特征线处的断层类型，确定网格点的有效连接方向，得到网格拓扑关系。
进一步的，本实施例中的方法还包括：
对所述将层位解释数据、断层解释数据、测井分层数据、形态特征数据和边界特征数据进行置信度估计；
其中，从所述网格拓扑关系中的三维坐标选取二维坐标作为训练集，所述二维坐标以外的高程值作为标签数据进行模型训练。
具体来说，网格拓扑关系的作用有两个：计算网格点局部的平滑损失和实现曲面凹多边形三角剖分。一个网格点主要有上下左右四个相连方向，通过判断边界特征线(交线)处的断层类型，来决定网格点的有效连接方向。参见图2，根据不同断层类型判断网格点的有效连接方向，从而完成网格拓扑关系构建。
具体地，一个点上可能有多个值，因为他们的(x,y)一样，但是他们的z值不一样，但是在二维网格上看这都是一个点，所以需要建立网格的拓扑关系，区分z值。
在一些可选的实施例中，所述方法还包括：
结合反距离权重法将待估点与邻接点的欧式空间距离作为输入，将待估点与邻接点之间的空间权重系数作为输出；
通过对空间权重系数和空间距离间的非线性关系进行学习对样本点到待插值点的预测；
筛选置信度样本点，将所述置信度样本点作为约束条件，根据所述约束条件，通过曲面优化模型生成平滑曲面。
下面以实例进行具体说明，参见图3，多源数据经过网格投影和网格拓扑关系构建后的网格数据为，将二维坐标作为训练数据集，高程值作为训练模型的标签数据。在曲面重构中，多个来源的数据作为训练样本集合S＝{Snc,Sc}，其中代表曲面不一定全部通过的非控制点样本集合，包括层位断层解释点云数据和形态特征线数据。/>代表曲面必须全部通过的控制点样本集合，包括井分层数据和边界特征线数据。多源数据融合的曲面重构的目标就是通过拟合样本点S构建确定的回归曲面/>通过求解回归曲面的系数向量w的最优解，即可得到最终拟合曲面，参见图5。
针对具体置信度估计衡量标准如下：
解释数据的置信度δ1，数据密度表示解释点云数据在测线方向的数据点密度。数据一致性：不同解释人员之间的解释一致性评估，取值范围为0到1，数据归一化表示数据是否已经进行了归一化处理，取值为0或1，
δ1＝0.4*数据密度+0.3*数据一致性+0.3*数据归一化；
边界特征数据的置信度δ2:构造知识图谱的质量：构造知识图谱的准确性和完整性，取值范围为0到1；交线估计的可靠性，取值范围为0到1：
δ2＝0.6*构造知识图谱的质量+0.4*交线估计可靠性；
测井分层数据的置信度δ3:测井工具准确性：测井工具的精确性和校准质量，取值范围为0到1，数据一致性：不同测井点之间的数据一致性，取值范围为0到1；
δ3＝0.5*测井工具准确性+0.5*数据一致性；
曲面形态特征数据的置信度δ4:地质曲面的拓扑关系：地质曲面与构造地质模型的拓扑关系一致性，取值范围为0到1，建模精度：地质曲面重构的精确性，例如，与知识图谱的符合度，取值范围为0到1。
δ4＝0.7*地质曲面的拓扑关系+0.3*建模精度；
通过多次对比实验评估可得δ2>δ3>δ4>δ1，在实验过程中分别只考虑其中一种数据做曲面重构，计算每种数据的准确性，上述的置信度样本点中，置信度较高的是井分层数据和边界特征数据，更能影响最终曲面的形状，置信度也更高,后续在损失函数的设计中对高置信度样本点设置为控制点的约束条件，低置信度样本点设置为非控制点约束条件用于优化模型的训练。
进一步的，设计优化模型，得到最终优化曲面。具体地，通过公式
结合反距离权重法将待估点与邻接点的欧式空间距离作为输入；将待估点与邻接点之间的空间权重系数/>作为输出，空间权重系数之和为1。
通过对空间权重系数和空间距离间的非线性关系进行学习，从而实现样本点到待插值点的预测，通过空间权重计算公式得出的权重函数。
其中，dij为待插值点i和已知样本点j之间的欧氏距离，f为空间权重计算公式。Wl为第l层网络的权重向量，bl为第l层网络的偏置向量，采用梯度下降法式进行更新，
空间权重和已知邻接点的高程值的乘积即为待估点高程值的估计结果。其中，LF1i为第i个训练数据的拟合误差损失函数，LF2i为第i个训练数据的平滑误差损失函数。只需求得每一个训练数据的损失函数对参数W和b的偏导数，即可对参数W和b进行迭代更新，直到找到目标损失函数最小的参数最优解，通过将点云之间的欧式空间距离作为输入，点云各点之间的空间权重系数作为输出。捕捉空间上相邻区域之间的非线性关系，从而提高预测精度。其更适合处理高维、空间相关性强的数据，适用于复杂地质空间曲面重构。
搭建矩形网格来存储点云之间的拓扑结构，以此重构不连续的多值空间曲面，选取离散光滑插值法(DSI)，对于HS1层位数据集的验证结果参见图3。
本发明一种可选的实施例中，由于控制点集Sc中的井分层数据和边界特征数据必须在拟合曲面上，因此，其应该作为高置信度样本点。通过公式
转换约束条件，其中是ε无限趋近于0+的正数。以上约束条件能够有效保证曲面经过井分层数据和边界特征数据，使得曲面具备准确可靠的层位空间位置和曲面拓扑关系。
对于非控制点集Snc中层位断层解释数据和形态特征数据，不一定经过拟合曲面，用于保持曲面的形态趋势。在曲面拟合过程中需要在保证曲面平滑的前提下，尽可能的使得生成的曲面拥有较小的拟合误差，最终保证生成曲面平滑且具备明显的形态趋势。因此，本申请定义曲面模型的优化模型LF分为两个部分，分别为拟合误差表示模型LF1和整体光滑度表示模型LF2，
LF＝C(LF1+LF2)
其中，参数向量C用于控制拟合误差和平滑误差之间的平衡。
通过最小二乘法，可以将拟合误差优化模型LF1定义为
其中，是非控制点的目标期望值，即训练数据中的已知值。/>是非控制点相应坐标/>对应回归曲面输出的实际z值。
由此，可以将曲面平滑误差优化模型LF2定义为
其中是非控制点数据集Snc中第i个样本点处的二阶导数。
为了简化曲面模型的公式，将大小为m的控制点集和大小为n的非控制点集合并为一个集合S＝{(xi,yi,zi)|i＝1,…,n+m}，其中1≤i≤n为由井分层数据和边界特征数据构成的控制点集数据中的第i个样本点的输入，n+1≤i≤n+m为由层位解释数据和形态特征数据构成的非控制点集数据中的第i-n个样本点的输入。
通将控制点集数据的约束条件加入优化模型中，可以得到多源信息约束下的曲面回归模型为
其中，(xi,yi,zi)是训练数据集S中第i个样本点的空间坐标，wi是曲面回归模型的权重参数向量，b为偏置，是第i个样本点的二阶导数，其中Wl为第l层网络的权重向量，bl为第l层网络的偏置向量，采用梯度下降法式,C是用于控制拟合误差和平滑误差之间平衡的参数向量。
本发明基于多源信息融合，将多源信息转换为了约束条件，其中的边界特征信息数据能够提供拓扑语义约束，形态特征信息数据能够提供几何形态语义约束，井分层信息数据能够提供层位空间位置约束，能够精准拟合置信度与空间距离间的相互关系。此外，针对目标地质曲面的不确定性和形态特征丢失的问题，提出了将地质专家知识通过可视化交互的方式引入网络回归中，引导约束曲面的重构过程。通过理论模型的测试，证明了引入多源数据的有效性。在实际数据上进行测试，本文提出的方法相比于一般插值方法，更加符合地质曲面的分析与解释。
基于同一发明构思，本发明还提供一种多源信息地质曲面重构系统，参见图6，包括：
预处理单元601，用于获取通过解释人员对地震资料进行层位解释和断层解释得到的原始地震解释数据；针对所述原始地震解释数据进行预处理，得到层位解释数据和断层解释数据；
交线估计单元602，用于针对预处理后的地震解释数据，通过构造知识图谱进行交线估计，得到地质曲面的边界特征数据、测井分层数据和形态特征数据；
网格构建单元603，用于针对所述地质曲面边界特征，构建矩形网格，将层位解释数据、断层解释数据、测井分层数据、形态特征数据和边界特征数据，投入所述矩形网格；
模型构建单元604，用于对所述矩形网格上的网格点和连接关系构建三角网，得到网格拓扑关系；从所述网格拓扑关系中选取二维坐标作为训练集，所述二维坐标以外的高程值作为标签数据进行模型训练；
曲面重构单元605，用于构建优化数据模型，根据所述优化数据模型得到重构曲面。
基于同一发明构思，本发明还提供了一种电子设备161，参见图7，包括处理器164、通信接口165、存储器162和通信总线，其中，处理器164、通信接口165和存储器162通过通信总线完成相互间的通信；
存储器162，存储有计算机程序163；
处理器164，执行存储器162存储的程序时，实现一种多源信息地质曲面重构方法。
上述的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，简称EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。
通信接口165用于上述电子设备161与其他设备之间的通信。
存储器162可以包括随机存取存储器162(Random Access Memory，简称RAM)，也可以包括非易失性存储器162(non-volatile memory)，例如至少一个磁盘存储器162。可选的，存储器162还可以是至少一个位于远离前述处理器164的存储装置。
上述的处理器164可以是通用处理器164，包括中央处理器164(CentralProcessing Unit，简称CPU)、网络处理器164(Network Processor，简称NP)等；还可以是数字信号处理器164(Digital Signal Processing，简称DSP)、专用集成电路(ApplicationSpecific Integrated Circuit，简称ASIC)、现场可编程门阵列(Field-ProgrammableGate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
基于同一发明构思，本发明还提供了一种计算机可读存储介质，存储有计算机程序163，所述计算机程序163被处理器164执行时实现一种多源信息地质曲面重构方法。
该计算机可读存储介质可以是上述实施例中描述的设备/装置中所包含的；也可以是单独存在，而未装配入该设备/装置中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被执行时，实现根据本公开实施例的一种多源信息地质曲面重构方法。
以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (12)
1.一种多源信息地质曲面重构方法，其特征在于，包括：
获取通过解释人员对地震资料进行层位解释和断层解释得到的原始地震解释数据；针对所述原始地震解释数据进行预处理，得到层位解释数据和断层解释数据；
针对预处理后的地震解释数据，通过构造知识图谱进行交线估计，得到地质曲面的边界特征数据、测井分层数据和形态特征数据；
针对所述地质曲面边界特征，构建矩形网格，将层位解释数据、断层解释数据、测井分层数据、形态特征数据和边界特征数据，投入所述矩形网格；
对所述矩形网格上的网格点和连接关系构建三角网，得到网格拓扑关系；从所述网格拓扑关系中选取二维坐标作为训练集，所述二维坐标以外的高程值作为标签数据进行模型训练；
构建优化数据模型，根据所述优化数据模型得到重构曲面。
2.根据权利要求1所述的方法，其特征在于，所述获取通过解释人员对地震资料进行层位解释和断层解释得到的原始地震解释数据，包括：
获取至少一个工区内的多个地震资料进行层位解释及断层解释；
其中，所述原始地震解释数据为测线方向数据密集，测线间数据稀疏的点云数据。
3.根据权利要求1所述的方法，其特征在于，所述针对所述原始地震解释数据进行预处理，得到层位解释数据和断层解释数据，包括：
针对原始地震解释数据进行数据测线方向采样、提取工区的边界数据和数据归一化处理得到层位解释数据和断层解释数据。
4.根据权利要求1所述的方法，其特征在于，所述针对预处理后的地震解释数据，通过构造知识图谱进行交线估计，得到地质曲面的边界特征数据、测井分层数据和形态特征数据，包括：
通过构造知识图谱对地震解释数据进行交线估计形成地质曲面重构边界特征；
根据所述重构边界特征以及构造地质模型的拓扑关系得到地质曲面的边界特征数据、测井分层数据和形态特征数据。
5.根据权利要求1所述的方法，其特征在于，所述针对所述地质曲面边界特征，构建矩形网格，将层位解释数据、断层解释数据、测井分层数据、形态特征数据和边界特征数据，投入所述矩形网格，包括：
将曲面边界特征数据投影到矩形网格上；
将层位解释数据、断层解释数据、测井分层数据、形态特征数据和边界特征数据，投入所述矩形网格。
6.根据权利要求1或5所述的方法，其特征在于，对所述矩形网格上的网格点和连接关系构建三角网，得到网格拓扑关系；从所述网格拓扑关系中选取二维坐标作为训练集，所述二维坐标以外的高程值作为标签数据进行模型训练，包括：
通过所述矩形网格的拓扑连接关系将所述曲面空间三维数据进行二维展开，得到曲面边界特征样本点处的四邻域二阶导数；
通过曲面边界特征样本点处的四邻域二阶导数，确定精细曲面。
7.根据权利要求6所述的方法，其特征在于，对所述矩形网格上的网格点和连接关系进行三角剖分，包括：
计算网格点局部的平滑损失，根据所述平滑损失和网格点连接关系对曲面凹多边形三角剖分；
针对网格点中的四个相连方向，通过判断边界特征线处的断层类型，确定网格点的有效连接方向，得到网格拓扑关系。
8.根据权利要求7所述的方法，其特征在于，所述方法还包括：
对所述将层位解释数据、断层解释数据、测井分层数据、形态特征数据和边界特征数据进行置信度估计；
其中，从所述网格拓扑关系中的三维坐标选取二维坐标作为训练集，所述二维坐标以外的高程值作为标签数据进行模型训练。
9.根据权利要求8所述的方法，其特征在于，所述方法还包括
结合反距离权重法将待估点与邻接点的欧式空间距离作为输入，将待估点与邻接点之间的空间权重系数作为输出；
通过对空间权重系数和空间距离间的非线性关系进行学习对样本点到待插值点的预测；
筛选置信度样本点，将所述置信度样本点作为约束条件，根据所述约束条件，通过曲面优化模型生成平滑曲面。
10.一种多源信息地质曲面重构系统，其特征在于，包括：
预处理单元，用于获取通过解释人员对地震资料进行层位解释和断层解释得到的原始地震解释数据；针对所述原始地震解释数据进行预处理，得到层位解释数据和断层解释数据；
交线估计单元，用于针对预处理后的地震解释数据，通过构造知识图谱进行交线估计，得到地质曲面的边界特征数据、测井分层数据和形态特征数据；
网格构建单元，用于针对所述地质曲面边界特征，构建矩形网格，将层位解释数据、断层解释数据、测井分层数据、形态特征数据和边界特征数据，投入所述矩形网格；
模型构建单元，用于对所述矩形网格上的网格点和连接关系构建三角网，得到网格拓扑关系；从所述网格拓扑关系中选取二维坐标作为训练集，所述二维坐标以外的高程值作为标签数据进行模型训练；
曲面重构单元，用于构建优化数据模型，根据所述优化数据模型得到重构曲面。
11.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器、通信接口和存储器通过通信总线完成相互间的通信；
存储器，存储有计算机程序；
处理器，执行存储器存储的程序时，实现如权利要求1至9任一项所述的多源信息地质曲面重构方法。
12.一种计算机可读存储介质，其特征在于，存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至9任一项所述的多源信息地质曲面重构。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311252237.4A CN117132735A (zh) | 2023-09-26 | 2023-09-26 | 一种多源信息地质曲面重构方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311252237.4A CN117132735A (zh) | 2023-09-26 | 2023-09-26 | 一种多源信息地质曲面重构方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117132735A true CN117132735A (zh) | 2023-11-28 |
Family
ID=88854559
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311252237.4A Pending CN117132735A (zh) | 2023-09-26 | 2023-09-26 | 一种多源信息地质曲面重构方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117132735A (zh) |
-
2023
- 2023-09-26 CN CN202311252237.4A patent/CN117132735A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9600608B2 (en) | Method of constructing a geological model comprising setting a depositional position of stratigraphic units | |
| CN109709603A (zh) | 地震层位识别与追踪方法、系统 | |
| CN112446559B (zh) | 一种基于深度学习的大范围地面沉降时空预测方法和系统 | |
| CN108254784B (zh) | 一种基于二维地震数据的断层识别方法、装置及系统 | |
| EP3317852B1 (en) | Method in constructing a model of a scenery and device therefor | |
| CN107688201A (zh) | 基于rbm地震叠前信号聚类方法 | |
| CN108376295A (zh) | 一种油气甜点预测方法及存储介质 | |
| CN110188927A (zh) | 一种城市热岛主控因素的分析方法、装置及存储介质 | |
| WO2014099201A1 (en) | Geophysical modeling of subsurface volumes based on horizon extraction | |
| Guo et al. | Multiple-point geostatistics-based three-dimensional automatic geological modeling and uncertainty analysis for borehole data | |
| Galley et al. | Geophysical inversion for 3D contact surface geometry | |
| Julio et al. | Sampling the uncertainty associated with segmented normal fault interpretation using a stochastic downscaling method | |
| CN111859054B (zh) | 气象卫星数据的处理方法及装置 | |
| CN114943178A (zh) | 一种三维地质模型建模方法、装置及计算机设备 | |
| Jalali et al. | On the problem of the spatial distribution delineation of the groundwater quality indicators via multivariate statistical and geostatistical approaches | |
| CN115100373A (zh) | 地表与地下环境三维一体化表征方法、装置、介质及设备 | |
| CN107316341A (zh) | 一种多点地质统计学沉积相建模方法 | |
| CN106875484A (zh) | 一种基于三维地形的地质堆积体快速拟合建模方法 | |
| CN105931297A (zh) | 三维地质表面模型中的数据处理方法 | |
| CN107076865A (zh) | 用于为地震勘测选择候选线的偏移脚印分析 | |
| CN116859478A (zh) | 一种基于瞬变电磁法成像的地下水模拟方法及系统 | |
| Phelps et al. | Exploring viable geologic interpretations of gravity models using distance-based global sensitivity analysis and kernel methods | |
| Erdede et al. | Examining the interpolation methods used in forming the digital elevation models | |
| CN117132735A (zh) | 一种多源信息地质曲面重构方法及系统 | |
| CN116183868A (zh) | 一种复杂生态系统土壤有机碳遥感估算方法及系统 |
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 |