基于鉆孔偽標(biāo)簽半監(jiān)督深度學(xué)習(xí)的沈陽市淺表地層三維建模研究

徐 學(xué) 闖,張 恒 兵,符 韶 華,劉 升 傳,王 徐 磊,郭 甲 騰*,敦 力 民

(1.東北大學(xué)資源與土木工程學(xué)院,遼寧 沈陽 110004;2.沈陽市勘察測繪研究院有限公司,遼寧 沈陽 110004)

0 引言

智慧城市[1]已成為當(dāng)前我國城市建設(shè)的重要目標(biāo),為合理安排城市地表和地下工程建設(shè),需要通過詳細(xì)的巖土工程勘察對城市各區(qū)域地下資源展開綜合評估。地質(zhì)空間分布具有復(fù)雜性、模糊性與不確定性,三維地質(zhì)建模[2-5]能直觀表達(dá)地質(zhì)特征,展示地質(zhì)構(gòu)造的空間形態(tài),揭示地質(zhì)現(xiàn)象的空間分布規(guī)律。鉆孔數(shù)據(jù)是三維地質(zhì)建模最常用的數(shù)據(jù)[6],基于鉆孔數(shù)據(jù)的三維地質(zhì)建模可分為顯式建模和隱式曲面建模兩大類[7,8]:①顯式三維地質(zhì)建模方法包括廣義三棱柱(GTP)方法[9]、多層DEM建模方法[10]、剖面建模方法[11]、參數(shù)化建模方法[12]等,在建模時(shí)更易加入地質(zhì)語義約束,邊界控制較準(zhǔn)確,更適用于局部區(qū)域的精細(xì)建模,但應(yīng)用于城市大范圍建模時(shí),存在建模自動化程度低、模型難以動態(tài)更新問題。②隱式曲面三維地質(zhì)建模方法[13-17]包括克里格法[18]、反距離加權(quán)法[19]、徑向基函數(shù)法[20]等,通過選取適當(dāng)?shù)幕瘮?shù),利用空間已知點(diǎn)解算空間曲面的隱式方程,得到隱式曲面函數(shù),最后提取等值面進(jìn)行顯式化網(wǎng)格表達(dá)。該類方法自動化程度高,建立的模型易于更新,且表面更光滑,但隱式曲面形態(tài)與選取的基函數(shù)密切相關(guān),對于地質(zhì)構(gòu)造的最終表達(dá)存在函數(shù)依賴,難以評估未采樣區(qū)域,模型存在不確定性。

近年來,機(jī)器學(xué)習(xí)在地質(zhì)建模領(lǐng)域逐步得到應(yīng)用,如通過訓(xùn)練神經(jīng)網(wǎng)絡(luò)從地震數(shù)據(jù)中預(yù)測地質(zhì)構(gòu)造[21],利用深度神經(jīng)網(wǎng)絡(luò)反演復(fù)雜二元地質(zhì)介質(zhì)[22]并通過生成對抗網(wǎng)絡(luò)構(gòu)建地質(zhì)模型[23];應(yīng)用深度學(xué)習(xí)綜合利用鉆孔、地質(zhì)、重力、航磁數(shù)據(jù)智能生成區(qū)域三維地質(zhì)模型[24,25],或基于二維垂直剖面和現(xiàn)場調(diào)查數(shù)據(jù)采用IC-XGBoost3D方法構(gòu)建三維地質(zhì)模型[26],基于鉆孔文本數(shù)據(jù)對巖性進(jìn)行分類[27],并進(jìn)行三維地質(zhì)建模[28]等,但基于鉆孔空間與地層數(shù)據(jù)及地貌單元約束的深度學(xué)習(xí)建模研究仍較少。

基于鉆孔空間數(shù)據(jù)的機(jī)器學(xué)習(xí)建模主要分為鉆孔序列模擬和鉆孔空間點(diǎn)模擬兩種思路:前者包括鉆孔層序預(yù)測及各地層厚度預(yù)測[29],過程較復(fù)雜,但在垂直方向上連續(xù)性更好;后者對鉆孔采樣的空間點(diǎn)進(jìn)行巖性模擬,準(zhǔn)確率更高[30],但需對鉆孔按照一定間隔升采樣,并以每個(gè)采樣點(diǎn)作為輸入數(shù)據(jù)[31]。常用的升采樣方法主要有:基于少量鉆孔數(shù)據(jù)通過支持向量機(jī)預(yù)測柵格單元,從而建立三維地質(zhì)模型[32];基于少量鉆孔數(shù)據(jù)隨機(jī)選取B樣條曲線函數(shù)生成地層,并將每個(gè)地層的體素采樣作為輸入[33],構(gòu)建的地層模型更準(zhǔn)確;將每個(gè)地層的鉆孔坐標(biāo)和起始深度作為輸入[34],模型精度相比升采樣有所降低,但通過提取地形特征可防止出現(xiàn)地層順序顛覆情況。綜上,基于鉆孔數(shù)據(jù)的建模方法中,對空間點(diǎn)進(jìn)行巖性預(yù)測的方法效果更好,但針對大規(guī)模、多地層、分布不均勻的鉆孔數(shù)據(jù)如何建立準(zhǔn)確率較高的三維地質(zhì)模型仍缺少研究。鑒于此,本文提出一種基于鉆孔偽標(biāo)簽深度學(xué)習(xí)的建模方法,基于沈陽市三環(huán)內(nèi)1.2萬條鉆孔數(shù)據(jù)建模,并將建模結(jié)果與隱式曲面方法建模結(jié)果相比較,根據(jù)地貌單元對建模結(jié)果與地層的符合程度驗(yàn)證方法的有效性。

1 研究方法

本文采用深度學(xué)習(xí)方法進(jìn)行三維地質(zhì)建模,可將建模問題進(jìn)一步簡化為地層的分類問題。其中,鉆孔的坐標(biāo)數(shù)據(jù)和地層深度數(shù)據(jù)作為輸入向量,鉆孔的地層屬性作為輸出向量。實(shí)現(xiàn)流程(圖1)為:首先,通過升采樣方法將連續(xù)一維的原始鉆孔數(shù)據(jù)離散化,得到標(biāo)簽數(shù)據(jù),并將預(yù)測空間柵格化,得到待預(yù)測的網(wǎng)格點(diǎn);其次,設(shè)計(jì)基于高置信度偽標(biāo)簽的半監(jiān)督深度學(xué)習(xí)模型,利用標(biāo)簽數(shù)據(jù)訓(xùn)練模型,再用訓(xùn)練好的模型對無標(biāo)簽的鉆孔數(shù)據(jù)進(jìn)行預(yù)測,并為無標(biāo)簽數(shù)據(jù)添加置信度高的偽標(biāo)簽數(shù)據(jù),擴(kuò)大樣本數(shù)據(jù)量;最后,采用標(biāo)簽數(shù)據(jù)和偽標(biāo)簽數(shù)據(jù)訓(xùn)練模型,得到分類模型,加入地貌單元約束后得到三維地質(zhì)模型。

圖1 基于大規(guī)模鉆孔數(shù)據(jù)的偽標(biāo)簽半監(jiān)督深度學(xué)習(xí)城市三維地質(zhì)建模流程Fig.1 Flowchart for urban 3D geological modeling using semi-supervised deep learning with pseudo-labels based on a large amount of borehole data

1.1 鉆孔數(shù)據(jù)預(yù)處理

鉆孔數(shù)據(jù)主要包括鉆孔坐標(biāo)(X、Y)、鉆孔標(biāo)高、地層厚度、地層層底深度、鉆孔標(biāo)號、鉆孔地層標(biāo)號等。由于原始鉆孔數(shù)據(jù)為連續(xù)一維數(shù)據(jù),并且鉆孔數(shù)據(jù)不同數(shù)據(jù)項(xiàng)的位數(shù)長度差距較大,不能直接用于神經(jīng)網(wǎng)絡(luò)的訓(xùn)練,需對鉆孔數(shù)據(jù)進(jìn)行預(yù)處理。

1.1.1 鉆孔數(shù)據(jù)升采樣 為增加數(shù)據(jù)量,需要對鉆孔數(shù)據(jù)進(jìn)行升采樣處理。鉆孔各個(gè)地層之間的厚度可能相差較多,地層較厚的數(shù)據(jù)量會顯著大于地層較薄的數(shù)據(jù)量,如果采用等間隔采樣,數(shù)據(jù)的平衡性會受到影響,訓(xùn)練網(wǎng)絡(luò)時(shí)地層較厚的采樣數(shù)據(jù)將占據(jù)主導(dǎo)地位,導(dǎo)致在對未知區(qū)域地層進(jìn)行分類和預(yù)測時(shí),易將未知區(qū)域的地層屬性預(yù)測為與較厚地層一致,且地層厚度相差越大,誤分類概率越高。非等間隔采樣(圖2a)可根據(jù)不同地層的厚度改變采樣間隔,從而保證采樣數(shù)據(jù)的平衡性,因此,本文采用非等間隔采樣方法。如圖2所示,地層數(shù)據(jù)以條帶狀顯示,在垂直方向上連續(xù)分布,單個(gè)地層的深度區(qū)間地層屬性連續(xù)唯一,且地層與地層之間沒有數(shù)據(jù)空隙,第i個(gè)鉆孔第j層的采樣間隔Hi,j計(jì)算公式為:

圖2 鉆孔及確定性剖面非等間隔采樣原理Fig.2 Unequally spaced sampling principle of boreholes and deterministic sections

Hi,j=(di,j-di,j-1)/n

(1)

式中:di,j為第i個(gè)鉆孔第j層地層的層底深度,n為每個(gè)地層的采樣數(shù)量。

1.1.2 確定性剖面升采樣 將鉆孔點(diǎn)依據(jù)Delaunay法生成不規(guī)則三角網(wǎng)(TIN)[35],確立鉆孔間的基本拓?fù)潢P(guān)系,每個(gè)三角網(wǎng)包含的3個(gè)相鄰鉆孔中,若兩兩鉆孔之間地層屬性相同,則連接為一個(gè)確定性剖面,這種類似廣義三棱柱模型(GTP)[9]的剖面連接方法能保持3個(gè)鉆孔之間的內(nèi)部聯(lián)系,可以模擬多種結(jié)構(gòu)較復(fù)雜的地質(zhì)現(xiàn)象;之后對確定性剖面在水平方向和垂直方向進(jìn)行非等間隔采樣(圖2b),采樣密度與鉆孔密度一致,避免采樣過密影響網(wǎng)絡(luò)訓(xùn)練。此外,為消除關(guān)聯(lián)性較低、相距較遠(yuǎn)鉆孔連接對地層預(yù)測的錯(cuò)誤影響,在TIN中剔除狹長三角形。針對確定性剖面的非等間隔采樣點(diǎn)坐標(biāo)公式為:

(2)

式中:Pi,j,x、Pi,j,y、Pi,j,z分別為剖面上第i行第j列采樣點(diǎn)的x、y、z坐標(biāo),(x1,y1)、(x2,y2)分別為剖面連接的兩個(gè)鉆孔坐標(biāo),A1、B1、C1、D1、A2、B2、C2、D2分別為連接剖面鉆孔在該地層的地層頂端連線和地層底端連線的直線方程參數(shù),n為采樣數(shù)量。

1.1.3 預(yù)測空間柵格化 根據(jù)鉆孔的分布建立凸包確定建模范圍,模型頂面采用鉆孔孔口構(gòu)建的TIN網(wǎng)約束,模型底面根據(jù)鉆孔孔底建立的凸包確定。考慮鉆孔深度不一致,采用基底填充模型底部,基底底面深度與鉆孔最大深度相同。依據(jù)確立的建模范圍和建模精度計(jì)算網(wǎng)格點(diǎn)位置,即三維地質(zhì)建模時(shí)待預(yù)測地層屬性的點(diǎn)位。

1.1.4 鉆孔數(shù)據(jù)歸一化 鉆孔數(shù)據(jù)中坐標(biāo)數(shù)據(jù)(一般為7～8位整數(shù),3位小數(shù))與地層深度(一般為1～2位整數(shù),1位小數(shù))等數(shù)據(jù)的位數(shù)長度差距較大,容易導(dǎo)致參數(shù)難以訓(xùn)練,最終影響模型的訓(xùn)練結(jié)果。為消除輸入特征之間的位數(shù)影響,使不同特征對模型的訓(xùn)練具有相同的影響力,保證收斂,需對數(shù)據(jù)進(jìn)行最大最小值歸一化處理,將結(jié)果值映射到0～1之間。通過歸一化方法,網(wǎng)絡(luò)的優(yōu)化器在更新梯度時(shí)不易產(chǎn)生震蕩,訓(xùn)練模型的收斂速度和訓(xùn)練準(zhǔn)確率更高,建立的三維地質(zhì)模型連續(xù)性更好。

1.2 基于偽標(biāo)簽方法的半監(jiān)督深度學(xué)習(xí)

1.2.1 人工神經(jīng)網(wǎng)絡(luò)構(gòu)建 多層感知機(jī)(MLP)[36]通過對輸入指標(biāo)和輸出指標(biāo)進(jìn)行訓(xùn)練學(xué)習(xí)形成某種規(guī)則,在輸入指標(biāo)后給出最接近期望輸出值的結(jié)果,是按照誤差反向傳播算法的多層前饋神經(jīng)網(wǎng)絡(luò)。該網(wǎng)絡(luò)模型以預(yù)測區(qū)域中每個(gè)升采樣空間點(diǎn)坐標(biāo)數(shù)據(jù)(x,y,z)作為輸入,以空間點(diǎn)的地層屬性作為輸出。輸入數(shù)據(jù)經(jīng)過多層隱含層后輸出,與期望標(biāo)簽相比較后得到對應(yīng)的誤差,誤差通過反向傳播算法對應(yīng)調(diào)整每一層的權(quán)重,最后可得到適合該模型的權(quán)重。隱含層神經(jīng)元的數(shù)量根據(jù)模型復(fù)雜程度變化,隱含層之間用RELU作為激活函數(shù)。為防止網(wǎng)絡(luò)過擬合,在網(wǎng)絡(luò)倒數(shù)第二層和倒數(shù)第三層的全連接層增加Dropout函數(shù),隨機(jī)減少神經(jīng)元,然后,通過一層全連接層和Softmax層將類別的輸出值經(jīng)過指數(shù)函數(shù)變化后歸一化為各類別的概率(和為1),最后,將每個(gè)數(shù)據(jù)點(diǎn)預(yù)測的結(jié)果整合,形成整個(gè)三維地質(zhì)模型(圖3)。網(wǎng)絡(luò)模型優(yōu)化器使用Adam優(yōu)化器,損失函數(shù)采用多分類任務(wù)中常用的交叉熵?fù)p失函數(shù)L(式(3))。

圖3 人工神經(jīng)網(wǎng)絡(luò)建立三維地質(zhì)模型流程Fig.3 Process of 3D geological modeling using artificial neural network

L=Lsup+αLsemi

(3)

式中:Lsup為有標(biāo)簽樣本訓(xùn)練的損失函數(shù),Lsemi為偽標(biāo)簽樣本訓(xùn)練的損失函數(shù),α為用于調(diào)節(jié)監(jiān)督損失和半監(jiān)督損失之間的學(xué)習(xí)權(quán)重。

1.2.2 高置信度偽標(biāo)簽添加 相比圖像、點(diǎn)云等數(shù)據(jù),鉆孔數(shù)據(jù)的空間分布具有局部集中、整體分散的群簇狀特點(diǎn),難以準(zhǔn)確表達(dá)整個(gè)地層分界面的傾向、傾角等變化特征。深度學(xué)習(xí)需要大量的標(biāo)簽數(shù)據(jù)提升模型性能,僅依據(jù)有限的鉆孔點(diǎn)數(shù)據(jù)、確定性鉆孔剖面的升采樣數(shù)據(jù),對于城市大范圍建模精度要求較高的海量空間柵格點(diǎn)而言,標(biāo)簽數(shù)據(jù)量非常少,包含的特征十分有限。為有效解決數(shù)據(jù)量問題,為無標(biāo)簽數(shù)據(jù)添加偽標(biāo)簽,有利于擴(kuò)大樣本空間。首先通過標(biāo)簽數(shù)據(jù)對模型訓(xùn)練到較高準(zhǔn)確率后,采用訓(xùn)練好的模型預(yù)測數(shù)據(jù),篩選出預(yù)測結(jié)果置信度較高的數(shù)據(jù)作為偽標(biāo)簽;將偽標(biāo)簽數(shù)據(jù)和標(biāo)簽數(shù)據(jù)結(jié)合再進(jìn)行模型訓(xùn)練,訓(xùn)練一定輪次后,重復(fù)上述過程,直至每輪新增的偽標(biāo)簽數(shù)據(jù)低于一定比例,此時(shí)認(rèn)為大多數(shù)數(shù)據(jù)已經(jīng)獲得置信度較高的標(biāo)簽,模型已對全部數(shù)據(jù)進(jìn)行充分訓(xùn)練。

1.3 地貌單元約束

地貌單元和地層之間存在著重要關(guān)系,地層反映了地質(zhì)體的構(gòu)造,而地貌單元反映了地質(zhì)體的形態(tài),將二者結(jié)合可以更好地發(fā)掘和分析地質(zhì)體的三維空間分布特征。為避免某些地層延展到不應(yīng)出現(xiàn)的地貌單元內(nèi),對模型預(yù)測結(jié)果添加邊界約束(式(4),表示各網(wǎng)格點(diǎn)地層屬性的最終預(yù)測結(jié)果應(yīng)是當(dāng)前地貌單元中預(yù)測概率最大的地層)以限制地層的預(yù)測范圍,使預(yù)測結(jié)果更符合地質(zhì)語義。

S={j|Fj=max(F0,F1,…,Fn),j∈Ui}

(4)

式中:S為預(yù)測地層,Fn為所有地層預(yù)測概率,Ui為地貌單元i涵蓋的地層屬性。

2 三維地質(zhì)建模驗(yàn)證與分析

基于沈陽市三環(huán)內(nèi)的1.2萬條鉆孔數(shù)據(jù),使用本文方法開展三維地質(zhì)建模與分析實(shí)驗(yàn),并與監(jiān)督深度學(xué)習(xí)方法[34](只采用標(biāo)簽數(shù)據(jù)對人工神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練)的訓(xùn)練準(zhǔn)確率和HRBF隱式曲面方法[8]的建模效果進(jìn)行對比。測試的硬件環(huán)境為:Intel(R) Core(TM) i7-10750H CPU @2.60 GHz,NVIDIA GeForce RTX 2060,16.0 GB RAM,Windows10(64位)。將所有采樣數(shù)據(jù)按照3∶1∶1劃分為訓(xùn)練集、驗(yàn)證集、測試集。神經(jīng)網(wǎng)絡(luò)采用8層的隱層結(jié)構(gòu),第一層隱含層神經(jīng)元數(shù)量設(shè)置為16個(gè),并隨深度成倍增加,使用RELU函數(shù)作為激活函數(shù),初始學(xué)習(xí)率設(shè)為0.003,訓(xùn)練的batchsize設(shè)置為4 096,損失函數(shù)中α取0.1。在訓(xùn)練過程中,采用學(xué)習(xí)率衰減策略,訓(xùn)練700周期后首次衰減,之后每100周期衰減一次,學(xué)習(xí)率衰減率為0.8。模型訓(xùn)練準(zhǔn)確率達(dá)到800個(gè)epoch后,每100個(gè)epoch對無標(biāo)簽數(shù)據(jù)標(biāo)記一次偽標(biāo)簽,當(dāng)新增的偽標(biāo)簽數(shù)據(jù)低于本次判斷的無標(biāo)簽數(shù)據(jù)的10%后,模型繼續(xù)訓(xùn)練至總計(jì)2 500個(gè)epoch后停止訓(xùn)練。

2.1 研究區(qū)概況

沈陽市區(qū)以平原為主,山地、丘陵集中在東北部,其老地貌不斷被破壞改造,新地貌不斷形成[37],沈陽市三環(huán)范圍內(nèi)共有低漫灘、沖洪積高漫灘、渾河沖洪積一級階地、渾河沖洪積二級階地、波狀崗臺地、剝蝕丘陵6種地貌單元[38],地勢由東北向西南傾斜,有4條大型河流穿過。本實(shí)驗(yàn)共獲得研究區(qū)域12 419條巖土工程勘察鉆孔數(shù)據(jù),涵蓋56種地層,鉆孔分布在25 725 m × 22 706 m的區(qū)域內(nèi),鉆孔平均深度98 m,鉆孔揭示地層的最小厚度為0.01 m,呈群簇狀或條帶狀分布(圖4)。

圖4 鉆孔數(shù)據(jù)在各地貌單元的分布情況Fig.4 Distribution of borehole data in each geomorphic unit

2.2 模型訓(xùn)練準(zhǔn)確率和損失對比

由圖5可知,本文方法在訓(xùn)練集和驗(yàn)證集上的準(zhǔn)確率和損失變化曲線基本一致,說明模型訓(xùn)練質(zhì)量較好,沒有出現(xiàn)明顯的過擬合現(xiàn)象;當(dāng)標(biāo)簽數(shù)據(jù)和偽標(biāo)簽數(shù)據(jù)融合訓(xùn)練時(shí),準(zhǔn)確率達(dá)93.3%以上且損失函數(shù)趨于收斂。監(jiān)督深度學(xué)習(xí)方法采用相同的網(wǎng)絡(luò)結(jié)構(gòu)、初始參數(shù)和學(xué)習(xí)率衰減方法,模型訓(xùn)練準(zhǔn)確率達(dá)82.3%以上且損失函數(shù)趨于收斂(圖6)。可以看出,本文方法準(zhǔn)確率更高。

圖5 基于鉆孔數(shù)據(jù)的偽標(biāo)簽半監(jiān)督深度學(xué)習(xí)模型訓(xùn)練準(zhǔn)確率和損失變化Fig.5 Training accuracy and loss variation curves of semi-supervised deep learning with pseudo-labels based on borehole data

圖6 基于鉆孔數(shù)據(jù)的監(jiān)督深度學(xué)習(xí)模型訓(xùn)練準(zhǔn)確率和損失變化Fig.6 Training accuracy and loss variation curves of supervised deep learning based on borehole data

2.3 建模效果對比

為進(jìn)一步驗(yàn)證模型精度,將本文方法所建模型與HRBF隱式曲面方法所建模型進(jìn)行對比,模型的最小柵格單元為100 m × 88 m × 0.88 m。本文方法采用鉆孔孔口三角網(wǎng)約束頂面,鉆孔孔底凸包約束底面,根據(jù)采樣點(diǎn)對地層進(jìn)行分類,隱式曲面方法采用DEM數(shù)據(jù)約束頂面,底面深度為固定深度,采用控制點(diǎn)約束各地層延展范圍,兩種模型建模結(jié)果分別在Z軸方向上拉伸20倍,以便觀察,且為便于對比,將隱式曲面方法建立的三維地質(zhì)矢量模型轉(zhuǎn)換為柵格模型。

由圖7可知,由于本文方法根據(jù)鉆孔孔底約束凸包基底,而隱式曲面方法根據(jù)曲面控制點(diǎn)約束基底,模型邊界鉆孔較淺,因此,兩種方法所建模型在邊界下緣有差異;兩種方法所建模型的總體地層走向較接近,基本能在鉆孔附近正確預(yù)測地層傾向、傾角,揭示地層的覆蓋關(guān)系。此外,鉆孔分布是否均勻、建模精度高低均會影響模型地層層序的正確率,在水平方向上以建模精度為間隔,對所建模型進(jìn)行地層層序比較,最終得到模型地層層序的正確率為83.03%,可見正確率較高。

圖7 沈陽市三維地質(zhì)模型Fig.7 3D geological model of Shenyang City

從研究區(qū)選取3條剖線(圖8),對本文方法所建三維地質(zhì)模型分別進(jìn)行沿遠(yuǎn)距離鉆孔剖切和沿連續(xù)鉆孔剖切(圖9),可以看出,鉆孔處地層和剖面地層較一致,地層在鉆孔之間基本符合地層覆蓋關(guān)系;由于缺少數(shù)據(jù)約束,鉆孔下地層大多符合覆蓋關(guān)系,在跨越地貌單元處,剖面地層受鉆孔分布約束(圖9a);本文方法所建三維地質(zhì)模型的地層厚度和傾角變化與鉆孔所揭示的內(nèi)容符合度高,符合地質(zhì)語義。

圖8 沈陽市三維地質(zhì)模型與地貌單元的關(guān)系Fig.8 Relationship between the 3D geological model and geomorphic units of Shenyang City

圖9 本文方法構(gòu)建的沈陽市三維地質(zhì)模型沿鉆孔剖面Fig.9 Sections along the boreholes for the 3D geological model of Shenyang City constructed by the proposed method in this paper

由圖10可知,在各地貌單元中,兩種方法構(gòu)建的模型較接近,在部分鉆孔數(shù)據(jù)相距較遠(yuǎn)或線性排列的情況下,本文方法在各地貌單元中基本能在接近的位置預(yù)測出和隱式曲面方法相近的地層屬性,表明本文方法預(yù)測能力較好。

圖10 沈陽市三維地層模型空間分布Fig.10 Spatial distribution of the 3D stratum model of Shenyang City

對兩種方法所建模型不同地貌單元內(nèi)各地層占比進(jìn)行比較(圖11),發(fā)現(xiàn)兩種方法建模結(jié)果中各地層占比均較接近,進(jìn)一步表明本文方法所建模型的正確性與合理性。

3 結(jié)論

本文針對城市三維地質(zhì)建模問題,提出一種基于平原城市大規(guī)模淺層鉆孔數(shù)據(jù)的偽標(biāo)簽半監(jiān)督學(xué)習(xí)自動建模方法,并依據(jù)沈陽市涵蓋56類地層的1.2萬余條巖土工程勘察鉆孔數(shù)據(jù)建立沈陽市三維地質(zhì)模型。研究結(jié)果表明:①通過對鉆孔數(shù)據(jù)進(jìn)行預(yù)處理得到標(biāo)簽數(shù)據(jù)和無標(biāo)簽數(shù)據(jù),采用偽標(biāo)簽半監(jiān)督學(xué)習(xí)方法進(jìn)行訓(xùn)練,結(jié)合地貌單元對模型進(jìn)行約束,可以解決大規(guī)模、多地層、分布不均勻鉆孔數(shù)據(jù)的高精度深度學(xué)習(xí)三維地質(zhì)建模問題;②通過對待預(yù)測網(wǎng)格點(diǎn)添加高置信度偽標(biāo)簽,可大量擴(kuò)展訓(xùn)練數(shù)據(jù),與監(jiān)督深度學(xué)習(xí)方法相比,提高了模型訓(xùn)練的準(zhǔn)確率,即提高了三維地質(zhì)模型與鉆孔的符合度;③通過在模型預(yù)測時(shí)添加地貌單元約束,預(yù)測的三維地質(zhì)模型地層分布更符合地質(zhì)語義。

由于鉆孔數(shù)據(jù)空間分布稀疏、不均勻,本文選擇的非等間隔采樣方法解決了數(shù)據(jù)嚴(yán)重不平衡導(dǎo)致的地層缺失問題,但導(dǎo)致部分鉆孔采樣信息損失,如何獲取更好的重構(gòu)鉆孔數(shù)據(jù)仍需進(jìn)一步研究。此外,隱式曲面方法建立的為柵格化后的模型,存在模型精度問題,而本文方法受鉆孔地層數(shù)量分布影響更大,部分地層的預(yù)測統(tǒng)計(jì)結(jié)果會受影響,有待進(jìn)一步研究。