三维地质建模及目标智能表征

DOI:10.19392/j.cnki.1671 7341.202019077三维地质建模及目标智能表征
孙福玉水泥灌浆料
山东科技大学地球科学与工程学院 山东青岛 266590
摘 要:应用vtk.js,将已有的地质构造及地下矿体的实验数据进行三维建模,通过VR及AR技术将目标体可视化,进而将现有方法模拟及数据分析与人工智能结合实现对目标体的智能判读,以便于直观高效地研究地下构造。将地质构造与地下矿体形态分布与人工智能、VR及AR技术相结合,实现对目标的智能判读及可视化,更为高效直观地反映地下构造。基于此建立网址,实现用户对自己对地质体的识别,通过反馈不断完善。
关键词:三维建模;智能判读;地质构造;人工智能
  相对于其他行业,人工智能在地学上的应用还不太完善。学习、应用人工智能,实现地球物理数据处理的人工智能化,通过对VR和AR技术的学习和应用,实现地质目标的立体数据建模,赶超世界先进水平,是目前阶段的重中之重。
随着地学领域和人工智能领域的不断进步,三维建模技术和目标智能判识技术的兴起,在地质信息的分
析与研究中应用此系统方法,可以对地质构造或其他地质体进行较全面、直观的研究,有利于对地质构造深究细探,提高地震勘探分辨率,使地质结论完整可信度高。在地质研究中,地质数据的处理、图形处理、信息管理等涉及了大量的数据处理,纯靠人力则工作量大、效率低、容错率低,所以需要借助目标智能判识等人工智能技术。
1技术支持透风窗
VTK是三维可视化、图形设计、信息处理三者合一的强大系统,而vtk.js是最近出现的基于VTK系统的使用WebGl为几何图形和体绘制提供3D渲染的一个vtk子集,目前尚处于开发阶段,可直接在Web上呈现数据,并且能足够迅速和健壮地支撑高级可视化应用程序(如集合视图、OBJViewer、SceneExplorer和VolumeViewer)。vtk.js可以呈现常见网格包括点、线框、曲面和边面。还可通过与点和单元格相关字段对数据进行着,并且可以提供数据交互(如调整不透明传输函数)。
过滤网篮
目前vtk.js还处于开放完善阶段,尚未应用到地质领域。将此技术与地质信息结合,将地质信息进行三维模型化建立,可直观反映出地下岩层产状之间相互关系,地壳深部地质体空间特点,地上建筑对地下岩层的影响等。地质信息可视化将在今后一段时间内成为地质学的一个重要研究方向,而将vtk.js应用于地质信息可视化也是今后发展的趋势。
VR技术实际上就是创建一个基于三维坐标系统的虚拟空间系统。此技术是计算机硬件和软件发展的综合产物。最终会让使用者拥有立体感觉,极大地改善了交互性。AR技术略有不同,它的目的是在电子屏幕上显示出三维模型实体,是将相应的视频文件或者图片文件结合3D技术实现的。目前国内外还没有将VR和AR技术应用于地质方面。地下地质构造由于不可见,在此之前只能通过检测到的数据对地下目标进行素描,与现实可能出现较大偏差,增加对地下地质构造的认识及判别难度。
2国内外发展现状
美国斯坦福大学Duda等人在1977—1980年研究出了“勘探家”(PROSPECTOR)专家咨询系统,目的是形成一个计算机的程序系统。系统的工作方式是接受以简单英语描述勘探地区的特性:地质环境、岩石的种类和矿物等。然后,把所观察到的结果与系统内的不同的矿藏模型进行比较,注意它们的相似性、差异性和失误信息。程序可以向地质学家要求附加信息,最后做出存在某种矿藏的预测。
随后出现了油井资料解释的岩性(LITHO)专家咨询系统,该系统的重点是处理沉积岩,输入钻井过程和完钻后所记录的各种资料:如岩心、岩屑、地理方面的信息、地震信息、X射线测量值、填充物、钻井参数和测井资料,以及用主要的岩性类型、古沉积环境等各种中间步骤来推断目的参数值。输出的是:岩性,按深度标记的最接近真实的井剖面的岩性描述。成官宝
3技术实现
基于vtk.js对实验所得数据进行三维模型的建立,通过模型分析,算法优化为深度学习提供样本数据集,以此来提高地质解释的精度。将建立的模型与AR及VR技术结合,实现目标的可视化。深入研究人工智能与地质问题相结合的设计方法,通过对现有数据的分析以及对现有的判断方法的模拟,建立相应深度学习模型来智能判读复杂地质结构,以实现对地质目标体的智能判读。如褶皱:向斜岩层向上弯曲,经风化作用往往形成向斜山,与向斜的原始产状往往不同,因而通过褶皱地上形态对褶皱类型的判别往往会出现错误,因此就需要对地下构造进行分析从而得出结论,通过实验数据进行三维建模及可视化可大大降低分析时间、计算量及判别的失误率。建立基于深度学习模型的地质目标体的分析网站,处理实际资料,完
善计算程序和处理流程。
本方法的目的是将实验数据转化成地质信息三维模型,通过与VR和AR技术的结合实现对地质构造可视化。将地质信息分析与判断同人工智能相结合,形成一套具有较高效率和精度的地下模型模拟方法。最后开发基于深度学习模型的地质构造智能识别判断网站,以便于用户对地质结构的分析处理,同时通过用户的反馈进行不断调整,从而提高对地质信息分析的精度和效率,实现地质构造智能判读。
4总结
本系统通过对深度地质构造及地下矿体的智能判读来提高对地质构造分析的精度和效率以及提高对矿体的识别度,通过地质信息可视化处理降低对地质构造的认(下转第112页)
gps信号放大器
 科技风2020年7月
电子信息
毛发收集器

本文发布于:2024-09-22 16:44:06,感谢您对本站的认可!

本文链接:https://www.17tex.com/tex/2/254062.html

版权声明:本站内容均来自互联网,仅供演示用,请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系,我们将在24小时内删除。

标签:地质   构造   系统   信息   数据   智能   进行
留言与评论(共有 0 条评论)
   
验证码:
Copyright ©2019-2024 Comsenz Inc.Powered by © 易纺专利技术学习网 豫ICP备2022007602号 豫公网安备41160202000603 站长QQ:729038198 关于我们 投诉建议