基于深度卷积生成对抗网络的三维地质模型自动重构方法技术

本发明专利技术涉及一种基于深度卷积生成对抗网络的三维地质模型自动重构方法，包括：加载原始三维模型，并提取条件数据剖面；将条件数据剖面按照原始三维模型中的空间位置进行排序并将剖面之间的空白位置填充，生成填充模型；将填充模型等维度分割为多个相同大小的小型三维块体，作为训练集使用；将原始三维模型按照步骤S3方法分割为多个小型块体作为标签集使用；利用训练集和测试集搭建并训练基于深度卷积的生成对抗网络；加载测试数据送入训练完毕的生成对抗网络完成三维模型重构并保存生成结果；本发明专利技术的有益效果是：提高了在有约束条件下地质空间异构模式的重构能力，进一步增强了重构过程中模型的广泛适用性。强了重构过程中模型的广泛适用性。强了重构过程中模型的广泛适用性。

【技术实现步骤摘要】
基于深度卷积生成对抗网络的三维地质模型自动重构方法


[0001]本专利技术涉及GIS信息处理领域，尤其涉及一种基于深度卷积生成对抗网络的三维地质模型自动重构方法。

技术介绍

[0002]深度学习方法是一种旨在训练集和标签集两种数据集之间建立一种映射关系，并使用这种映射关系完成测试集拟合的一种方法。深度学习的方法通常经过多次训练来学习训练集中的空间结构特征和建立训练集和标签集之间的映射关系。由于其网络结构有多层神经网络和大量神经元存储模型的拟合信息，深度学习网络可以比传统的多点地质统计学方法捕获更多的空间模式特征，从而使其能够重构更加复杂异质的地质结构。多种深度神经网络的提出为各向异性的复杂地学结构重构提供了有效的技术保障。目前，深度学习方法已经成为了自动建模领域的一个重要分支，并且已经在地球物理重磁反演、多孔介质重构、储层建模以及水文地质建模领域取得了较好的应用。
[0003]作为传统地质建模领域广泛应用的方法，基于多点地质统计学的三维建模方法能够使用数据模板直接获取随机变量在参考模型中的空间模式，并通过待模拟图像中的数据事件与先前获取本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度卷积生成对抗网络的三维地质模型自动重构方法，其特征在于：包括以下步骤：S1：加载原始三维模型，并从模型中提取用于约束生成的条件数据剖面；S2：将条件数据剖面按照原始三维模型中的空间位置进行排序并将剖面之间的空白位置填充，生成和原始三维模型相同大小的填充模型；S3：将填充模型等维度分割为多个相同大小的小型三维块体，作为训练集使用；S4：将原始三维模型按照步骤S3方法分割为多个小型块体作为标签集使用，在分割过程中，每一个小型三维块体的空间方位都和步骤S3中的小型块体的方位相对应；S5：利用训练集和测试集搭建并训练基于深度卷积的生成对抗网络；S6：加载测试数据送入训练完毕的生成对抗网络完成三维模型重构并保存生成结果。2.如权利要求1所述的一种基于深度卷积生成对抗网络的三维地质模型自动重构方法，其特征在于：步骤S5中所述生成对抗网络，其生成器采用含有下采样
‑
上采样的U
‑
Net结构，判别器采用PatchGAN结构。3.如权利要求2所述的一种基于深度卷积生成对抗网络的三维地质模型自动重构方法，其特征在于：所述生成器的联合损失函数包括三个部分：生成对抗网络损失函数、空间结构损失函数和条件约束损失函数。4.如权利要求3所述的一种基于深度卷积生成对抗网络的三维地质模型自动重构方法，其特征在于：所述生成对...

【专利技术属性】
技术研发人员：陈麒玉，杨子潇，崔哲思，刘刚，
申请(专利权)人：中国地质大学武汉，
类型：发明
国别省市：