基于机器学习的钻孔数据隐式三维地质建模方法

• 作者: 刘寅贺 王徐磊 郭甲腾 韩英夫
• 来源期刊: 东北大学学报（自然科学版）
• 学科: 工学
• 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
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 资源与土木工程
• 页码范围: 1337-1342
• 页数: 6页
• 分类号: TD67
• 字数: 3553字
• 语种: 中文
• DOI: 10.12068/j.issn.1005-3026.2019.09.021

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭甲腾	东北大学资源与土木工程学院	27	255	10.0	15.0
2	刘寅贺	东北大学资源与土木工程学院	1	2	1.0	1.0
3	韩英夫	东北大学资源与土木工程学院	1	2	1.0	1.0
4	王徐磊	东北大学资源与土木工程学院	1	2	1.0	1.0