[发明专利]地质剖面图生成方法、系统、设备及存储介质

权利要求书

1.一种地质剖面图生成方法，其特征在于，包括以下步骤：

构建地质剖面图和钻孔数据的训练样本集；

构建GCN网络的提取模型，将所述钻孔数据样本集输入所述提取模型，得到钻孔数据样本集的全局空间相关性特征；

以CNN为框架，构建GAN网络结构的生成器，所述生成器用于以所述钻孔数据样本集为输入，以相应的全局空间相关性特征为约束，生成虚拟地质剖面图；

以CNN为框架，构建GAN网络结构的判别器，所述判别器用于对所述虚拟地质剖面图和地质剖面图样本集中相应的实际地质剖面图进行对比，以优化所述虚拟地质剖面图；

对所述生成器以及所述判别器进行交替训练，直至虚拟地质剖面图的精度达到预设值时停止训练；

将待测区域的实际钻孔数据输入训练好的生成器以及判别器，生成待测区域的虚拟地质剖面图；

所述构建地质剖面图和钻孔数据的训练样本集，具体为：

收集实际钻孔数据以及相应的实际地质剖面图；

设置地层属性编码，并为每一地层属性编码设置相应的类别值，根据所述类别值为每一个地层属性设置相应的灰度值；

基于每一地层属性的灰度值，根据所述实际钻孔数据生成与所述实际地质剖面图范围相同的钻孔图像；

采用预设尺寸的窗口分别在所述实际地质剖面图中和所述钻孔图像中以预设步长进行滑动，将所述实际地质剖面图和所述钻孔图像分割为多个存在重叠区域的图像数据，得到实际地质剖面图数据集和实际钻孔图像数据集；

根据实际地质剖面图数据集构建虚拟钻孔图像数据集；

将所述实际地质剖面图数据集以及虚拟钻孔图像数据集按照设定比例划分为训练集和测试集，将实际地质剖面图数据集和实际钻孔图像数据集作为验证集，得到地质剖面图和钻孔数据的训练样本集；

所述构建GCN网络的提取模型，将所述钻孔数据样本集输入所述提取模型，得到钻孔数据样本集的全局空间相关性特征，具体为：

针对所述钻孔数据样本集中地层属性未知的钻孔点，计算其与各地层属性已知的钻孔点之间的距离，选取距离最近的设定个数的地层属性已知的钻孔点，作为与地层属性未知的钻孔点具有邻接关系的邻接点，基于所述邻接点获取钻孔地层属性的全局空间相关性的邻接矩阵，并根据各所述邻接点的地层属性获取与所述全局相关性邻接矩阵对应的特征矩阵；

将所述邻接矩阵和所述特征矩阵输入所述提取模型，得到所述全局空间相关性特征；

所述以CNN为框架，构建GAN网络结构的生成器，所述生成器用于以所述钻孔数据样本集为输入，以相应的全局空间相关性特征为约束，生成虚拟地质剖面图，具体为：

所述生成器用于对所述钻孔数据样本集进行一层卷积后的结果进行横向连接，然后进行卷积和归一化操作，得到虚拟地质剖面图插值结果，并将所述虚拟地质剖面图插值结果输入argmax函数生成所述虚拟地质剖面图。

2.根据权利要求1所述的地质剖面图生成方法，其特征在于，基于所述邻接点获取钻孔地层属性的全局空间相关性的邻接矩阵，还包括：

根据拉普拉斯算子方式对所述邻接矩阵进行规范化。

3.根据权利要求1所述的地质剖面图生成方法，其特征在于，对所述生成器以及所述判别器进行交替训练，直至虚拟地质剖面图的精度达到预设值时停止训练，具体为：

组合所述生成器和所述判别器得到组合CGAN网络，对所述生成器以及所述判别器进行交替训练，生成器与判别器在训练中对抗博弈直至平衡，采用损失函数衡量所述组合CGAN网络精度，在损失值收敛时停止训练。

4.根据权利要求3所述的地质剖面图生成方法，其特征在于，所述组合CGAN网络中生成器与判别器对抗博弈，具体为：

利用所述生成器生成一次虚拟地质剖面图，利用所述判别器对所述虚拟地质剖面图进行判断，构建损失函数计算判别器的判别损失值，利用所述判别损失值对所述判别器进行优化；

保持判别器不变，利用生成器再次生成虚拟地质剖面图，构建损失函数计算生成器的生成损失值，利用所述生成损失值对所述生成器进行优化。