本文摘要：摘要：為了推動智慧城市的規劃和管理工作，為減輕重慶市地質災害風險等提供科學依據和技術支持，基于大數據分析管理和數據處理思想，采用大數據交匯融合技術，構造了包括地區地層構造及巖土材料參數值域等基礎特征信息的區域三維地質模型。基于數據統計、圖像識別方法
摘要：為了推動智慧城市的規劃和管理工作，為減輕重慶市地質災害風險等提供科學依據和技術支持，基于大數據分析管理和數據處理思想，采用大數據交匯融合技術，構造了包括地區地層構造及巖土材料參數值域等基礎特征信息的區域三維地質模型。基于數據統計、圖像識別方法以及空間統計分析理論和插值方法，綜合利用MATLAB、ArcGIS以及BIM軟件，實現了對重慶市某區域地質鉆孔數據的虛擬地層插入、地層曲面擬合、三維實體模型生成、局部地形深化處理;根據Bayes參數估計理論，采用基于歷史大數據的先驗估計值對工程實時采集的巖土測試試驗參數進行修正，得到了各類不同地質物理力學參數的期望值。
關鍵詞：圖像識別;地質鉆孔數據;Bayes參數估計理論;大數據分析;三維地質建模
城市的快速和高質量發展離不開地質環境條件的支撐。全面掌握城市所處地質條件，數據化地對城市地質特征進行描述對智慧城市的建設尤為重要。近年來，各種三維地質建模軟件發展迅速、功能穩步提高，利于數據信息大力發展的政策使得三維地質建模工作更有意義，更能服務于廣大國民經濟[1]。
地質論文范例：建筑工程地質勘察的相關問題研究
目前，三維地質建模能將地質環境數據、地質學理論與計算機三維可視化技術有機結合，從而準確反映地下空間內地質構造的展布、相互接觸關系以及各地質體物理力學或化學屬性等特征[2]。20世紀90年代以來，隨著計算機軟硬件技術的不斷發展和地球空間信息科學的蓬勃發展，能夠反映地質構造形態、構造關系及土體參數屬性變化規律的三維地質建模技術得到了顯著發展，取得了眾多有意義的成果[3-8]。建立多維地質信息系統，有利于一體化存儲、管理和處理地下–地上、地質–地理、空間–屬性數據，進行三維可視化地質建模，有利于對地質對象的總體把握和整體分析。
基于海量多源、異構、異質的地質勘查數據，構建其三維地質模型，可直觀而形象地展現地質體和地質結構，從而顯著提高對地質現象、地質資源和地質環境的認知能力。目前，開展三維地質信息系統建設和三維數字圖幅、數字礦山、數字油田、數字工程和數字地災點地質建模，已經成為國際地質部門和地質科學界技術創新的重要領域[5-8]。對于城市地質而言，三維地質建模對地質災害防御和地下設施綜合管理具有巨大的作用，近20年來，三維地質建模相關研究取得了許多可喜成果[9-18]，三維地質建模與地質大數據的融合研究受到了越來越多的重視[19-20]。
薛林福等[21]提出了分塊三維地質建模方法，以斷裂、巖體邊界、不整合接觸面等為邊界，將較為復雜的三維地質建模工作區分解為多個內部構造相對簡單的、建模難度較小的地質單元，為開展復雜山區三維地質建模提供了精確建模依據;董梅等[22]利用GOCAD建立了北京市朝陽區某建筑場地的土層地質模型，并提出了以Kriging插值和離散光滑插值相互結合來建立地層界面，以及采用GOCAD中的GRID功能代替SOLID功能建立三維地層實體的方法;王駿等[23]以重慶歌樂山典型背斜構造區為建模研究對象，采用搜集資料–野外踏勘–室內建模的工作路線，運用SKUAGOCAD的workflow建模流程，建立了構造模型，并運用數據趨勢分析方法，建立了巖性模型。
李青元等[24]從多角度全面總結了三維地質建模技術的用途、現狀、存在問題、發展趨勢，并結合三維建模的現狀提出了“相關部門應對三維地質建模示范工程制定總體風格、基本內容一致，又適合本行業專業特點的專用標準”。易宗旺等[25]利用區域調查中的地形數據、遙感影像數據、鉆孔數據、剖面數據等各種資料，在三維地質建模系統(GeoBIM)平臺中進行三維地質建模等。
劉東升等[26]研發了巖土材料特征大數據管理及分析軟件系統，實現了對巖土材料大數據實施收集、傳輸、分類、篩選、管理和統計分析的功能，并結合重慶地區收集到的7萬余條典型巖土材料數據對該地區的典型巖土材料特征進行分析。由于既往積累的地質環境數據相對較分散，盡管總量巨大，但缺乏整合和必要的分析，使得其成為“死數據”，未能建立起城市地質基礎特征系統，無法為智慧城市規劃和建設提供幫助。
筆者基于重慶市地勘單位已有的大量巖土勘察與地形地貌數據資源，基于大數據分析管理和數據處理思想，采用大數據交匯融合技術，構造重慶市區域三維地質模型，生成了包括地區地層構造及巖土材料參數值域等基礎特征信息的重慶區域地質條件圖譜。基于數據統計、圖像識別方法以及空間統計分析理論和插值方法，綜合利用MATLAB、ArcGIS以及BIM軟件，對鉆孔數據進行了虛擬地層插入、地層曲面擬合、三維實體模型生成、局部地形深化處理;采用Bayes參數估計理論，對工程實時采集的巖土測試試驗參數采用基于歷史大數據的先驗估計值進行修正，得到了各類不同地質物理力學參數的期望值。
1鉆孔地質數據
收集地質鉆孔數量共計3456個。由收集到地質鉆孔分布可知，地質勘探點主要分布在朝天門區域。
1.1空間幾何參數
根據鉆孔資料和區域資料顯示，研究區域的巖層產狀110°∠6°。地層巖性為砂、泥巖互層，巖層層面裂隙張開，無填充，結合差，為軟弱結構面。區域范圍內主要有兩組裂隙，其產狀分別為：
1)L1產狀170°∠78°，裂隙間距0.8~1.5m，裂面平略呈波狀，裂面多呈黑灰色，無充填，開口1~3mm，局部充填鈣質，延伸長約1~3m，貫通性較差，裂隙面均為軟弱結構面，結構面結合差;2)裂隙產狀235°∠81°，裂隙間距1.0~2.5m，裂面粗糙呈波狀，多呈閉合狀，局部開口2~5mm，無充填，貫通性較差，裂隙面均為軟弱結構面，結構面結合差。據地面調查及鉆探揭露，部分區域內出露地層巖性有第四系人工填土層、侏羅系中統沙溪廟組砂巖及泥巖。
1.2物理力學參數
為揭示擬建模區域的地質構造、元素組成以及力學性能，采用傳統鉆孔巖樣試驗和基于圖像識別技術的方法獲取地質物理力學參數。基于CT、SEM掃描和三維重構技術的巖樣孔隙率確定，運用Avizo8.0軟件對巖樣CT掃描切片進行中值過濾、二值化處理和精細化加工，之后再對每組切片進行數字巖芯重構、孔吼模型建立、孔裂隙提取以及孔隙率計算。
基于EDS能譜分析技術對巖樣元素組成規律進行確定。采用Quanta250掃描電子顯微鏡和配套的X射線能譜儀來進行巖樣微結構中的元素測定。在每個巖樣切片的掃描電鏡圖像中至少選取3個微結構EDS能譜分析區，對每個微結構區均進行元素測定分析，將三者的平均值作為最終結果。
基于巖石細觀圖像深度學習的巖性智能識別與分類。采用SN0745-60U2K型2K測量電子顯微鏡進行巖樣細觀圖像拍攝，電子放大倍數為15~180倍，拍攝圖像像素高達1600萬，并具備自動尋邊、HDR高動態、自動存儲等功能，整體上操作簡便，對巖樣物理力學測試結果影響小。巖樣端面細觀圖像經細致篩分后，將其中的70%作為訓練集、20%作為驗證集、10%作為測試集，分別運用Inception-v3、Xception、NASNetLarge和InceptionResNetV2四種深度卷積神經網絡模型以及GoogleNet圖像分類模型，同時結合Softmax回歸模型等共同構建巖(土)性材料的識別模型，并對其進行循環訓練學習。
Inception-v3深度神經網絡模型的結構展示，該模型首先是3個卷積層，然后連接一個最大池化層，再設兩個卷積層，再連接一個最大池化層，最后連接11個不同的Inception結構混合層。其余深度卷積神經網絡模型不再列出。采用該方法對所采集的4種典型巖樣圖像進行旋轉、偏移處理生成深度學習的樣本，隨后，基于Inception-v3、Xception、NASNetLarge和InceptionResNetV2四種深度卷積神經網絡模型，利用遷移學習的方式實現巖石細觀圖像集分類的深度學習模型，最后使用集成學習算法，通過加權評估得出最終的判別結果，從而實現巖(土)性材料圖像特征的提取與識別，并對其進行自動、高效、可靠地分類。
在訓練過程中，對訓練集和驗證集中的巖石圖像分別進行了檢驗評估。訓練結果顯示：Inceptionv3深度卷積神經網絡模型在循環訓練1000次后，其訓練集中的巖石細觀圖像分類準確率達到92.77%，驗證集中的巖石細觀圖像分類準確率為76.31%;Xception深度卷積神經網絡模型在循環訓練300次后，其訓練集中的巖石細觀圖像分類準確率為93.30%，驗證集中的巖石細觀圖像分類準確率為78.27%。
NASNetLarge深度卷積神經網絡模型在循環訓練300次后，其訓練集中的巖石細觀圖像分類準確率為90.52%，驗證集中的巖石細觀圖像分類準確率為74.74%;InceptionResNetV2深度卷積神經網絡模型在循環訓練300次后，其訓練集中的巖石細觀圖像分類準確率為90.81%，驗證集中的巖石細觀圖像分類準確率為78.81%。經加權評估后，最終訓練集中的巖石細觀圖像分類準確率將達到95%以上，驗證集中的巖石細觀圖像分類準確率高于80%。相比于傳統的機器學習方法，該深度學習方法通過圖像像素點組成深度學習的輸入層，利用多個深度可分離卷積網絡構建復雜的BP神經網絡，最終得到的模型在巖石巖性的識別與分類上具有更高的魯棒性和泛化能力。此外，集成學習算法的運用顯著提高巖石細觀圖像分類的準確率，使得巖性判別結果更加可信。
2地質數據分析與建模
2.1三維地質空間幾何數據分析與建模
為了解決數據與成本的矛盾，基于空間統計分析理論選擇合適的插值方法，利用有限的采樣點數據擬合其他相對準確、精度較高的高程數據。常用的空間插值方法有三角剖分法、距離倒數加權法、最小曲率法、最近鄰點法、Kriging方法，其中，Kriging方法通過引進以距離為自變量的半變差函數來計算權值，由于半變差函數既可以反應變量的空間結構特性，又可以反映變量的隨機分布特性，利用Kriging方法進行空間數據插值往往可以取得理想的效果。
另外，通過設計變差函數，Kriging方法很容易實現局部加權插值，克服了一般距離加權插值結果的不穩定性。因此，采用Kriging插值對地質巖性進行預測。利用單一軟件進行三維地質建模會存在一些弊端，導致一些缺陷，無法完全實現預期的功能。因此，綜合利用MATLAB、ArcGIS以及BIM軟件進行精細化三維地質建模。
2.2空間幾何模型與物理力學參數模型的融合
地質數據多源性是三維地質建模最大的特點，模型構建的關鍵是將這些數據有效地融合以提高模型的應用效率，指導工程設計。因此，在分別建立了三維地質的空間幾何模型和物理力學參數模型后進行數據的交匯融合，形成既包含幾何信息又包含物理信息的三維地質模型。在數據交匯融合的過程中，涉及多方面的技術問題，具體而言包括統一所有數據的坐標系和比例尺、地表和地下數據的有效融合，以及主要數據和次要數據的有效融合等問題，主要包括：
1)統一所有具有多源、多尺度、多分辨率的數據的坐標系和比例尺，構建可以作為后期模型構建的數據源和約束數據的數據庫;2)基于地表填圖和遙感解譯的地質數據以及鉆孔、中段平面圖、勘探線剖面圖、物探解譯的深部地質數據進行有效融合和插值處理;3)覆蓋整個建模區并足以構建模型的主要數據和次要數據數據的有效融合。
3典型區域三維地質模型
3.1空間幾何模型建模及深化處理
基于空間統計分析理論，在ArcGIS軟件中通過插值分析得到地層模型。為便于在Civil3D中建模，將建立的三維雜填土、砂巖以及泥巖地層模型轉換為等高線模型輸出。
4結論
1)利用大量的巖土材料勘察試驗數據資源，結合先進的巖土參數試驗方法、圖像識別及機器學習方法對巖土材料物理力學參數進行了分析研究，在此基礎上，利用大數據分析管理和數據處理思想，采用大數據交匯融合技術，將試驗和收集所得的地質鉆孔數據(幾何數據和物理數據)進行分類篩選。基于已有鉆孔數據，利用數學插值方法對空白區虛擬鉆孔的幾何特征數據進行分析和推送，有效生成了虛擬數字鉆孔。
2)基于已有的巖土材料試驗測試試驗參數，利用貝葉斯理論對空白區同類巖性材料的物理力學參數進行估計，可獲得相應的巖土材料物理力學參數估計值，彌補了數據融合中巖土材料參數不足的問題。
3)利用實際獲取和計算生成的鉆孔地質特征數據，從幾何特征和物理特征兩方面進行大數據融合進行數據建模，得到了一定區域范圍內地質巖層特征的三維空間分布及物理力學特征完整表達模型，實現了區域地層結構特征描述的數字化和可視化。
參考文獻
[1]童亮.GOCAD在某橋基三維地質建模中的應用研究[D].成都:西南交通大學,2009.TONGL.Thestudyonapplicationofthree-dimensionalmodelinginabridge'sfoundationbyusingthesoftwarenamedGOCAD[D].Chengdu:SouthwestJiaotongUniversity,2009.(inChinese)
[2]張洋洋,周萬蓬,吳志春,等.三維地質建模技術發展現狀及建模實例[J].東華理工大學學報(社會科學版),2013,32(3):403-409.ZHANGYY,ZHOUWP,WUZC,etal.Thedevelopmentstatusof3Dgeologicalmodelingtechnologyandmodelinginstances[J].JournalofEastChinaInstituteofTechnology(SocialScience),2013,32(3):403-409.(inChinese)
[3]AKPOKODJEEG.Theengineering-geologicalcharacteristicsandclassificationofthemajorsuperficialsoilsoftheNigerDelta[J].EngineeringGeology,1987,23(3/4):193-211.
[4]DASSARGUESA,BIVERP,MONJOIEA.GeotechnicalpropertiesoftheQuaternarysedimentsinShanghai[J].EngineeringGeology,1991,31(1):71-90.
[5]ZHULF,ZHANGCJ,LIMJ,etal.Building3Dsolidmodelsofsedimentarystratigraphicsystemsfromboreholedata:anautomaticmethodandcasestudies[J].EngineeringGeology,2012,127:1-13.
作者：劉漢龍1，章潤紅2，劉東升3，仉文崗1,2
轉載請注明來自發表學術論文網：http://www.zpfmc.com/jzlw/28878.html
