[发明专利]一种水文地质中含水层与隔水层的识别方法

说明书

本发明涉及人工智能技术领域，具体涉及一种水文地质中含水层与隔水层的识别方法。该方法通过水文地质钻探获取地下水所需资料；在水文地质钻探的过程中，通过抽水试验孔进行钻探以将地下水引流到地下水存储装置中；获取钻探机的运行特征、水体重量和地下水的属性，得到多个变化曲线特征图；获取多个变化曲线特征图对应的权重图像，将权重图像相加得到加权图像，根据加权图像的权重值得到波峰波谷点加权损失函数；将运行特征和变化曲线特征图输入由波峰波谷点加权损失函数训练的神经网络得到含水层和隔水层热力图。利用波峰波谷点加权损失函数能够让神经网络的训练易于收敛，进而使得神经网络的预测效果更鲁棒。

技术领域

本发明涉及人工智能技术领域，具体涉及一种水文地质中含水层与隔水层的识别方法。

背景技术

含水层与隔水层是水文地质研究的重要内容，含水层不仅具有对水的容纳能力，而且具有允许相当数量的水透过的性能。而可容纳一定的水，但不允许水自由透过的岩土称为隔水层，如粘土层。划分含水层和隔水层的标志不在于岩层是否含水，而是所含水的存在形式。目前对于钻井中含水层和隔水层的判断主要利用水文测井技术和分层抽水技术。

发明人在实践中，发现上述现有技术存在以下缺陷：水文测井技术存在监测特征不易区分，依据场景通常需要专门定制多芯电缆等缺点，且在实际应用中会出现偏差；分层抽水技术可以准确获得不同含水层水文地质参数，但在钻孔中上下岩性一致条件下含水层与隔水层如何快速区分成为分层抽水试验开展的难点，因此，如何准确区分水文地质中的含水层与隔水层一直是业界亟需改进的目标。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种水文地质中含水层与隔水层的识别方法，所采用的技术方案具体如下：

本发明实施例提供了一种水文地质中含水层与隔水层的识别方法，该方法包括以下步骤：

通过水文地质钻探获取合理开发及利用的地下水所需资料；

在所述水文地质钻探的过程中，通过抽水试验孔进行钻探，将地下水引流到地下水存储装置中；

根据设定的时间采集周期和钻孔深度采集周期，采集钻探机的运行特征、所述地下水存储装置中水的水体重量及所述地下水的属性，进而分别构建所述水体重量与钻孔深度和所述属性与所述钻孔深度的多个变化曲线特征图；所述运行特征包括所述钻探机的钻进速度、声音分贝和钻井液的消耗速率；所述属性包括电导性、酸碱性、总矿化度以及硬度；

获取每个所述变化曲线特征图的特征重要性评估值；

以每个所述变化曲线特征图中每个波峰点或波谷点为窗口的中心点，根据所述中心点周围的特征值差值得到所述窗口的大小，利用所述特征重要性评估值调整所述窗口的权重分别得到对应的权重图像；将每个所述权重图像中对应的像素值相加得到一张加权图像，根据所述加权图像的权重值得到波峰波谷点加权损失函数；

将所述运行特征和所述变化曲线特征图输入由所述波峰波谷点加权损失函数训练的神经网络得到含水层热力图和隔水层的热力图，以得到含水层分割点和隔水层分割点。

进一步地，利用所述神经网络得到所述含水层热力图和隔水层热力图的方法为：

将所述钻探机的运行特征通过时序特征提取编码器得到特征值；

将所述变化曲线特征图通过第一特征拟合二维编码器得到第一特征图；

将所述特征值和所述第一特征图进行相乘操作得到第二特征图；

将所述第二特征图通过第二特征拟合二维编码器得到所述含水层热力图和隔水层热力图。

进一步地，在根据所述加权图像的权重值得到波峰波谷点加权损失函数之前，包括以下对所述加权图像进行优化的步骤：