基于机器学习的钻孔数据隐式三维地质建模方法

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

所属期刊栏目：40

分类号：TD67(矿山电工)

资助基金：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

在线出版日期：2019-09-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1337-1342