面向露头地质体岩层分层的空间随机森林算法制造技术

本发明专利技术公开了一种面向露头地质体岩层分层的空间随机森林算法，涉及地质勘探技术领域；方法包括：基于倾斜摄影测量数据构建露头岩层三维点云模型，对露头岩层三维点云模型进行体元分割，构建岩层体元空间特征与属性特征集成表达模型，以表达模型构建空间决策树，通过空间决策树构建空间随机森林算法，将体元带入空间随机森林算法进行预测，得到体元匹配的岩层类别。以地理信息科学为理论基础，结合地质体岩层特性从点云数据中提取其属性特征和空间特征，基于经典随机森林算法提出了空间随机森林算法，并将之应用于露头地质体岩层类别识别，以实现对露头地质体的自动化岩层分层，为露头地质体的进一步研究奠定基础。为露头地质体的进一步研究奠定基础。为露头地质体的进一步研究奠定基础。

【技术实现步骤摘要】
面向露头地质体岩层分层的空间随机森林算法


[0001]本专利技术涉及地质勘探
，尤其涉及一种面向露头地质体岩层分层的空间随机 森林算法。

技术介绍

[0002]露头地质体是地上地质结构具有代表性的研究对象之一，常常作为地质研究工作 的首要目标。岩层划分是分析露头地质体结构的基础，对岩层的准确划分有助于分析地 质体的尖灭位置、与其它地质体的叠置关系、空间展布规律等信息。
[0003]人工野外地质考察是岩层划分的主要方法，但地质结构的复杂性导致资料获取难 度大、时间长、效率低，资料本身连续性差、局部精度差异大；岩层划分常常依赖于研 究人员的知识与经验，不同研究人员的分层结果和其精度往往有一定差异。而且，传统 方法针对地势陡峭的岩层划分显得极为困难，甚至于不可行。虽然目前出现了一些地层 分层、岩层分层的新方法，但仍旧缺少能够得到高精度分层结果的自动化分层方法。
[0004]倾斜摄影测量技术是指通过多台传感器，从不同视角对同一地物进行多次影像数 据采集的测量方法。倾斜摄影测量技术能够最大化获取到地物带有空间位置信息的倾斜 影像数据，这些数据具有很高的准确性和完整性，它颠覆了传统摄影测量技术。点云数 据是倾斜摄影测量数据的衍生数据，特征提取是点云分类的前提，提取出的特征是得到 理想分类结果的关键之一。强度信息、几何信息、表面粗糙度等属性信息是分类的常用 特征；由于点云携带有坐标信息，因此基于点的空间结构和空间关系得到的空间特征也 逐渐应用于分类中，但其仍旧处于初级阶段。
[0005]随机森林(Random Forest，RF)算法能够训练样本并预测输入数据类别，即对数 据进行分类。随机森林具有良好的性能表现，且其抗干扰能力很强；理论上的随机森林 不会产生过拟合现象，且即使在现实中存在不可忽略的噪声影响，随机森林也有较强的 抗过拟合能力。随着机器学习的高速发展和对随机森林算法的深入研究，随机森林算法 也逐渐应用于地学领域，如裂缝预测、地学知识图谱的建立、地上生物量和森林冠层覆 盖度估算、不连续林地叶面积指数反演、地震属性中河道砂体识别等。随机森林算法的 核心是数据的特征，但目前这些使用随机森林算法来分类的特征主要是基于应用领域内 的专业知识而提取的属性特征，缺乏空间特征，而地学研究对象内或对象间普遍存在着 空间关系、空间场景、空间邻近等空间特征，挖掘并集成这些空间特征，进一步开展集 成空间语义计算的随机森林算法研究，来解决这些研究对象的分类问题是一个有价值且 较新的研究方向。

技术实现思路

[0006]本专利技术提供了一种面向露头地质体岩层分层的空间随机森林算法，用以解决现有技 术存在的上述问题。方法包括：
[0007]步骤S11，基于倾斜摄影测量数据构建露头岩层三维点云模型；
[0008]步骤S12，对露头岩层三维点云模型进行体元分割；
[0009]步骤S13，构建岩层体元空间特征与属性特征集成表达模型；
[0010]步骤S14，以表达模型构建空间决策树，通过空间决策树构建空间随机森林算法；
[0011]步骤S15，将体元带入空间随机森林算法进行预测，得到体元匹配的岩层类别。
[0012]优选地，所述基于倾斜摄影测量数据构建露头岩层三维点云模型包括如下步骤：
[0013]步骤S111，获取倾斜摄影测量数据；
[0014]步骤S112，设置坐标值范围，去除倾斜摄影测量数据中的无关地物数据；
[0015]步骤S113，通过去除无关地物数据后的倾斜摄影测量数据构建露头岩三维点云模 型。
[0016]优选地，对露头岩层三维点云模型进行体元分割采用八叉树构建算法，包括如下 步骤：
[0017]步骤S121，将露头地质体所在的三维空间作为一个体元，并设定一个长度阈值， 该长度阈值表示最小体元的边长；
[0018]步骤S122，将当前体元分割成八个相同的子体元，子体元具有相同的级别和大小；
[0019]步骤S123，依次判断当前级别体元是否包含点云数据，若不包含则忽略该体元， 则该体元不再参与计算；
[0020]步骤S124，将当前级别体元的边长与设定的长度阈值相比较，若大于长度阈值， 则继续分割；若小于长度阈值，则结束当前级别体元的分割；
[0021]步骤S125，递归地调用步骤S122～步骤S124直到所有体元都结束分割。
[0022]优选地，所述岩层体元空间特征与属性特征集成表达模型构建包括如下步骤：
[0023]基于倾斜摄影测量数据获取体元所包含点云数据的R、G、B各自的平均值，和露 头剖面在体元所在区域的表面粗糙度作为属性特征；
[0024]获取空间场景特征和空间度量关系特征作为空间特征。
[0025]优选地，所述露头剖面在体元所在区域的表面粗糙度，具体为对体元内所有点云 数据使用总体最小二乘法得到一个拟合平面，所有点云数据到拟合平面的标准差设为该 体元的粗糙程度。
[0026]优选地，所述空间度量关系特征以每个体元中心点的空间坐标值(x，y，z)以及 该体元所在位置的产状信息表示，产状信息的获取包括如下步骤：
[0027]从露头岩层表面任选不共线的三点，即确定一平面，此平面作为岩层层面，其产 状为通过所选取的三点求得该岩层层面的单位法向量法向量与产状 的关系由公式(1)表示：
[0028][0029]式中，表示该坐标位置岩层层面的倾角，α表示该坐标位置岩层层面的倾向；体 元V表示为式(2)：
[0030]V＝(ID,X,Y,Z,R,G,B,A,E,C)
ꢀꢀꢀ
(2)
[0031]式中，ID表示体元的索引，id为其值；用X、Y、Z表示三维空间，x、y、z分别 为其对应的值，则(x,y,z)表示一个体元的位置；用R、G、B表示颜色空间，r、g、b 分别为其对应的值，
则(r,g,b)表示一个体元的颜色；用A表示粗糙度，a表示其对应 的值；用E表示产状，表示其对应的值；用C表示类别，c表示体元所在岩层 的类别值，当体元类别未知时，e＝(
‑
1,
‑
1)，表示值无意义；c＝0，表示类别未知。
[0032]优选地，统计所有样本的产状，用es表示，若共有Λ组产状，则
[0033][0034]若体元V
f
(x
f
,y
f
,z
f
)为常量，则每组产状和V
f
(x
f
,y
f
,z
f
)确定其对应的唯一法向 量，则es对应一组法向量值
[0035]设每个体元都有与es相对应的一组垂直距离值h＝(h1,h2,K,h
Λ
)，则对于样本，由 于其有确定的产状，则h中只有一个分量有意义；对于待分类体元，由于其产状未知， 则h中每个分量都有意义；
[0036]待分类体元VW和所有样本VS，待分类体元VW的空间度量本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向露头地质体岩层分层的空间随机森林算法，其特征在于，方法包括：步骤S11，基于倾斜摄影测量数据构建露头岩层三维点云模型；步骤S12，对露头岩层三维点云模型进行体元分割；步骤S13，构建岩层体元空间特征与属性特征集成表达模型；步骤S14，以表达模型构建空间决策树，通过空间决策树构建空间随机森林算法；步骤S15，将体元带入空间随机森林算法进行预测，得到体元匹配的岩层类别。2.根据权利要求1所述的面向露头地质体岩层分层的空间随机森林算法，其特征在于，所述基于倾斜摄影测量数据构建露头岩层三维点云模型包括如下步骤：步骤S111，获取倾斜摄影测量数据；步骤S112，设置坐标值范围，去除倾斜摄影测量数据中的无关地物数据；步骤S113，通过去除无关地物数据后的倾斜摄影测量数据构建露头岩层三维点云模型。3.根据权利要求2所述的面向露头地质体岩层分层的空间随机森林算法，其特征在于，对露头岩层三维点云模型进行体元分割采用八叉树构建算法，包括如下步骤：步骤S121，将露头地质体所在的三维空间作为一个体元，并设定一个长度阈值，该长度阈值表示最小体元的边长；步骤S122，将当前体元分割成八个相同的子体元，子体元具有相同的级别和大小；步骤S123，依次判断当前级别体元是否包含点云数据，若不包含则忽略该体元，则该体元不再参与计算；步骤S124，将当前级别体元的边长与设定的长度阈值相比较，若大于长度阈值，则继续分割；若小于长度阈值，则结束当前级别体元的分割；步骤S125，递归地调用步骤S122～步骤S124直到所有体元都结束分割。4.根据权利要求3所述的面向露头地质体岩层分层的空间随机森林算法，其特征在于，所述岩层体元空间特征与属性特征集成表达模型构建包括如下步骤：基于倾斜摄影测量数据获取体元所包含点云数据的R、G、B各自的平均值，和露头剖面在体元所在区域的表面粗糙度作为属性特征；获取空间场景特征和空间度量关系特征作为空间特征。5.根据权利要求4所述的面向露头地质体岩层分层的空间随机森林算法，其特征在于，所述露头剖面在体元所在区域的表面粗糙度，具体为对体元内所有点云数据使用总体最小二乘法得到一个拟合平面，所有点云数据到拟合平面的标准差设为该体元的粗糙程度。6.根据权利要求5所述的面向露头地质体岩层分层的空间随机森林算法，其特征在于，所述空间度量关系特征以每个体元中心点的空间坐标值(x，y，z)以及该体元所在位置的产状信息表示，产状信息的获取包括如下步骤：从露头岩层表面任选不共线的三点，即确定一平面，此平面作为岩层层面，其产状为通过所选取的三点求得该岩层层面的单位法向量法向量与产状的关系由公式(1)表示：
式中，表示该坐标位置岩层层面的倾角，α表示该坐标位置岩层层面的倾向；体元V表示为式(2)：V＝(ID,X,Y,Z,R,G,B,A,E,C)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)式中，ID表示体元的索引，id为其值；用X、Y、Z表示三维空间，x、y、z分别为其对应的值，则(x,y,z)表示一个体元的位置；用R、G、B表示颜色空间，r、g、b分别为其对应的值，则(r,g,b)表示一个体元的颜色；用A表示粗糙度，a表示其对应的值；用E表示产状，表示其对应的值；用C表示类别，c表示体元所在岩层的类别值，当体元类别未知时，e＝(
‑
1,
‑
1)，表示值无意义；c＝0，表示类别未知。7.根据权利要求6所述的面向露头地质体岩层分层的空间随机森林算法，其特征在于，统计所有样本的产状，用es表示，若共有Λ组产状，则若体元V
f
(x
f
,y
f
,z
f
)为常量，则每组产状和V
f
(x
f
,y
f
,z
f
)确定其对应的唯一法向量，则es对应一组法向量值设每个体元都有与es相对应的一组垂直距离值h＝(h1,h2,K,h
Λ
)，则对于样本，由于其有确定的产状，则h中只有一个分量有意义；对于待分类体元，由于其产状未知，则h中每个分量都有意义；待分类体元VW和所有样本VS，待分类体元VW的空间度量关系特征值的求取方法为：步骤S131，对于体元VW的垂直距离值h
VW
的每一个分量1≤p≤Λ，有对应有意义的若干个样本，依次计算并将差值按正负分别统计，和至少有1个成立；步骤S132，若有且仅有成立，则体元VW在产状为e
p
的岩层的下方，VW在其法向量的垂直正方向上有一个最近的样本，记VW与该样本的垂直距离为+Δh；步骤S133，若有且仅有成立，则体元VW在产状为e
p
的岩层的上方，VW在其法向量的垂直负方向上有一个最近的样本，记VW与该样本的垂直距离为
‑
Δh；步骤S134，若和都成立，则体元VW在产状为e
p
的岩层的中间，VW在其法向量的垂直正方向和负方向上分别有一个最近的样本，分别记VW与这两个样本的垂直距离为+Δh和
‑
Δh；步骤S135，根据步骤S134～步骤S134，在VW垂直正方向和垂直负方向上分别获得至多Λ组(+Δh,c)和(
‑
Δh,c)，将这Λ组值记作类别集cs，则至多包含(2
×
Λ)个类别c，则VW所属类别在类别集cs中；步骤S136，设置阈值Ω，Ω须大于地质体最大岩层真厚度，则满足条件|
±
Δh|>Ω的+Δh或
‑
Δh对应的类别不为VW所属的类别，从类别集cs中删除对应的组；
步骤S137，对于所有+Δh和
‑
Δh，分别有最小绝对值|+Δh|
min
和|
‑
Δh|
min
，体元VW到最小绝对值对应类别的所有样本分别有最小水平距离和体元VW到类别集cs中其它类别的所有样本也分别有最小水平距离，将这些最小水平距离与和比较，只要大于和就从类别集cs中删除对应的组；步骤S138，使类别集cs中只留下类别值，并对其进行去重，最后得到的类别集cs包含VW所属类别；用M表示空间度量关系特征，m表示其值，则待分类体元的空间度量关系特征值m＝cs；当共Λ组产状，Γ个类别时，待分类体元的空间度量关系特征值m...

【专利技术属性】
技术研发人员：陈建华，陶鲭宇，王炳乾，卢健，王峰，侯明才，胡作维，
申请(专利权)人：陶鲭宇王炳乾卢健王峰侯明才胡作维，
类型：发明
国别省市：