| 基于机器学习的钻孔数据隐式三维地质建模方法 |
| |
| 作者姓名： | 郭甲腾 刘寅贺 韩英夫 王徐磊 |
| |
| 作者单位： | 东北大学 资源与土木工程学院,辽宁 沈阳,110819;东北大学 资源与土木工程学院,辽宁 沈阳,110819;东北大学 资源与土木工程学院,辽宁 沈阳,110819;东北大学 资源与土木工程学院,辽宁 沈阳,110819 |
| |
| 基金项目： | 国家自然科学基金资助项目(41671404); 国家级大学生创新创业训练计划资助项目(201810145060); 中央高校基本科研业务费专项资金资助项目(N170104019); 中国地质调查局智能地质调查支撑平台建设项目(DD20160355). |
| |
| 摘 要： | 针对基于钻孔数据的传统显式三维地质建模方法存在过程繁琐、模型质量难以保证等缺点,本文提出了一种基于机器学习的隐式三维地质建模方法,将地层三维建模问题转换为地下空间栅格单元的属性分类问题.分别基于支持向量机、BP神经网络等分类算法,实现了钻孔数据的自动三维地质建模.实际建模结果表明,对于有限、稀疏的钻孔数据,支持向量机方法建模准确率较高,建模效率、效果优于显式建模方法.最后通过敏感性分析研究了超参数对建模结果准确率、模型形态的影响,为可控的自动三维地质建模提供了一种新的解决思路.
|
| 关 键 词： | 机器学习 支持向量机 三维地质建模 隐式建模 钻孔数据 |
| 收稿时间： | 2018-09-19 |
| 修稿时间： | 2018-09-19 |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《东北大学学报(自然科学版)》浏览原始摘要信息 |
|
点击此处可从《东北大学学报(自然科学版)》下载全文 |
|
