[发明专利]一种结合机器学习与GIS的复杂地质体精细建模方法

权利要求书

1.一种结合机器学习与GIS的复杂地质体精细建模方法，其特征为，包括如下步骤：

步骤1，获取数据及数据处理；

步骤2，对数据进行加密；

步骤3，加密数据进行标准化处理；

步骤4，将处理后的数据进行机器学习；

步骤5，选择准确度最高的分类器进行优化；

步骤6，筛选断层、褶皱、透镜体区域；

步骤7，根据筛选区域及训练模型进行区域虚拟钻孔数据预测；

步骤8，使用钻孔数据及GIS软件的克里金插值及反距离权重插值进行三维建模；

步骤9，根据建模结果进行建模准确度验证。

2.如权利要求1所述的一种结合机器学习与GIS的复杂地质体精细建模方法，其特征为：所述的步骤1中，获取的数据包括钻孔数据及地质剖面图；数据处理包括：将地质剖面图使用SketchUp软件提取三维断裂线用于后期建模，钻孔数据则将每层地层分界处以三维空间坐标表示，将地层厚度加入其中，将上述数据导入excel表格中，分为5列，分别为x、y、z，地层厚度及地层类型，删除缺失数据。

3.如权利要求2所述的一种结合机器学习与GIS的复杂地质体精细建模方法，其特征为：所述的步骤2中，对数据进行加密的方法为：将数据导入matlab软件中，通过地层厚度对钻孔数据加密，分别进行1m、0.5m及0.1m不同数量级的加密操作。

4.如权利要求3所述的一种结合机器学习与GIS的复杂地质体精细建模方法，其特征为：所述的步骤3中，加密数据进行标准化处理的方法为：选择min-max，Z-score及小数定标标准化三个方法对数据进行标准化处理。

5.如权利要求4所述的一种结合机器学习与GIS的复杂地质体精细建模方法，其特征为：所述的步骤4中，进行机器学习的方法为：先将处理过的三种标准化数据导入，使用10折交叉验证让其进行全部机器学习算法的训练，然后选择合适的算法进行参数优化。

6.如权利要求5所述的一种结合机器学习与GIS的复杂地质体精细建模方法，其特征为：所述的步骤5中，分类器进行优化包括模型的优化及参数的优化，参数优化为通过贝叶斯搜索选择合适的参数，通过模型及参数优化，获得高准确率模型。

7.如权利要求6所述的一种结合机器学习与GIS的复杂地质体精细建模方法，其特征为：所述的步骤6中，筛选断层、褶皱、透镜体区域的方法为：通过复杂地质体结构特性，在钻孔数据中寻找差异性较大的数据，通过识别获得其复杂地质类型。

8.如权利要求7所述的一种结合机器学习与GIS的复杂地质体精细建模方法，其特征为：所述的步骤7中，进行区域虚拟钻孔数据预测的方法为：根据筛选所得的断层、褶皱、透镜体区域，针对性的进行区域地层预测，在没有特殊地质构造处减少预测工作量，同时使用GIS软件针对具有复杂地质构造区域进行局部插值，用来提升精确度。

9.如权利要求8所述的一种结合机器学习与GIS的复杂地质体精细建模方法，其特征为：所述的步骤8中，使用GIS软件中的插值功能进行全局插值，构建完整的地质模型。

10.如权利要求9所述的一种结合机器学习与GIS的复杂地质体精细建模方法，其特征为：所述的步骤9中，进行建模准确度验证的方法为：通过地质模型进行剖面处理，选择合适的剖面，对剖面进行随机虚拟钻孔选择，将所选数据与机器学习所得数据进行对比，进行精确度验证。