[发明专利]地质剖面图生成方法、系统、设备及存储介质

说明书

本申请涉及一种地质剖面图生成方法、系统、设备及存储介质，方法包括：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，将钻孔数据样本集输入提取模型，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网络结构的生成器和判别器，生成器用于以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，判别器用于优化虚拟地质剖面图；对生成器以及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。本申请具有地质剖面图生成精度高的技术效果。

技术领域

本申请涉及测绘科学技术领域，尤其是涉及一种地质剖面图生成方法、系统、设备及存储介质。

背景技术

随着智慧城市和新型城镇化建设不断推进，很多城市在当前建设的基础上，需要开展“地下空间、资源、环境、灾害”等多要素的城市地质综合调查，构建全市域、重点区、示范区以及精品区四个尺度的三维地质模型，实现城市地下空间的透明化，以有效支撑地下空间资源的协同开发利用，最终实现精准支撑城市地下资源科学和综合开发利用的目标。

地质剖面图是反映地层结构和岩体属性特征的重要成果图件，是地层在垂向上最直观最有效的表达方式。它直观且形象得表达了地层结构构造和沉积规律，是系统分析区域或局部的地质条件、正确指导地下资源的开发利用以及决策相关工程的实施和建设的依据之一。

传统的地质剖面图生成的方法有基于人工绘制的方法、基于三维模型的剖切方法以及基于GIS的剖面图自动生成方法。其中，基于人工绘制的方法以地质专家的先验知识作为依据，但会耗费大量的时间和人力物力；基于三维地质模型剖切的方法中地质模型由钻孔等一手数据资料生成，精度存在一定的误差，在剖切过程中剖面图的精度具有很大的不确定性；基于GIS的剖面图自动生成方法相较于前者具有自动化及精度较优的优点，但其更多针对某一个研究区域，不具有普适性。随着深度学习技术的快速发展，地质领域的相关研究学者选择使用卷积神经网络(CNN)的相关模型对地质剖面图、三维地质模型等进行生成，受限于感受野智能随着网络深度缓慢线性增加的影响，导致网络难以捕捉到大范围的全局空间相关性信息，降低了相关成果图件的精度。如何更好的利用大范围内多钻孔地层属性的空间相关性信息，以优化地质剖面图的生成结果目前尚无相关解决方案。

发明内容

有鉴于此，本申请提供一种地质剖面图生成方法、系统、设备及存储介质，用以解决神经网络难以捕捉到大范围的全局空间相关性信息，导致地质剖面图生成精度低的技术问题。

为了解决上述问题，第一方面，本发明提供一种地质剖面图生成方法，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。

可选的，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；