System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于岩土工程地层分层,具体涉及一种基于机器学习的区域工程地质地层分层统一方法。
技术介绍
1、为适应新一轮城市精细化管理与数字化转型要求,基于数字化手段提升城市信息的表达水平、数据分析应用水平、城市管理水平等方面,是当前研究和实践应用的热点。岩土工程是城市工程建设领域重要专业分支,该专业涉及的城市建筑地基基础、地下工程结构赋存的岩土体,是城市立体空间的重要组成部分,与岩土体仿真模拟相关的三维地质模型构建是城市区域数字化建设的关键内容。在数字化城市及城市区域开发建设中,构建三维地质模型,表达城市地下空间的地质信息,可有效为城市精细化管理与数字化转型提供支撑。
2、城市三维地质模型构建的数据主要来源于岩土工程勘察数据,区域范围内的勘察数据通常来自多个工程勘察项目,由不同勘察单位实施产生,且不同勘察项目之间时间跨度大,存在地层编号不统一、地层划分尺度不统一、划分层位不统一等问题,若要构建区域整体地质模型,必须对区域勘察数据进行预处理,统一地层划分。通常,地层划分统一处理基于人工处理完成,但处理工作量大,效率低,且主观因素影响大,容易出现划分错误,难以满足准确、高效的区域地质模型构建要求。
3、已公开的专利“一种基于多层感知机的静力触探土层划分方法及系统”,根据获取的静力触探数据和多层感知机模型,得到土层划分结果;基于土层划分结果,进行层内数据处理和层间数据处理,得到最终土层划分结果。因仅基于静力触探的地层划分普遍存在多解性,即相同或相近的静力触探测试结果可能对应不同的地层,故上述方法中多层感知机模型直
技术实现思路
1、本专利技术的目的是根据上述现有技术的不足之处,提供一种基于机器学习的区域工程地质地层分层统一方法,该地层分层统一方法将区域范围内的勘探孔分层数据,利用自然语言程序,进行地层分层数据预处理;再将区域范围内大量静力触探孔测试数据及分层结果输入机器学习模型中进行训练,形成一个区域地层统一分层的模型,并加入不同地貌单元、不同地质分区内各地层的深度分布范围约束,自动输出一套区域内统一的地质分层,快速实现区域地质分层数据归一化;最后,利用静力触探孔分层统一规律,实现邻近取土孔分层数据快速归一化。
2、本专利技术目的实现由以下技术方案完成:
3、一种基于机器学习的区域工程地质地层分层统一方法,其特征在于所述地层分层统一方法包括以下步骤:
4、s1:利用基于gis技术的地质数据管理系统并在其前端页面圈定区域范围,获取所述区域范围内的各勘探孔的数据;所述勘探孔包括静力触探孔和取土孔;
5、s2:将所获取的各所述勘探孔的数据进行地层分层数据预处理:根据行业通用的地层划分标准,通过自然语言识别程序,按照同一地质时代、同一成因地层划分为同一地层的处理原则,预处理步骤s1中所述区域范围内的各所述勘探孔的分层结果,所述预处理包括地层编号表达统一以及次亚层地层合并,将预处理后的所述静力触探孔的数据形成样本数据集;
6、s3:基于所述样本数据集构建hmm隐马尔可夫算法模型,将所述样本数据集中的各样本数据输入至所述hmm隐马尔可夫算法模型中进行训练,以生成地质地层快速智能分层模型;
7、s4:将所述区域范围内任意所述静力触探孔的数据输入至所述地质地层快速智能分层模型内,以输出所述静力触探孔在区域统一分层下的地层分层结果,以此获得所述区域范围内所有静力触探孔的统一地层分层预测结果;
8、s5:将所述区域范围内除所述静力触探孔之外的所述取土孔,利用同一勘察项目、邻近静力触探孔统一后的预测地层分层数据与原始地层分层数据的对应关系和规律,处理对应的所述取土孔的地层分层数据,实现所述区域范围内所有勘探孔的地层分层统一。
9、步骤s1中,所述静力触探孔的数据包括静力触探孔号、孔坐标、深度、ps值以及原有分层;所述取土孔数据包括孔号、孔坐标、深度、分层数据、土工试验参数,以及地层的成因、地质时代、湿度、状态、密度、压缩性、描述。
10、所述hmm隐马尔可夫算法模型,采用的参数包括:隐藏状态数量n_components=1,协方差矩阵类型covariance_type=‘full’,最大迭代次数n_iter=200;然后利用步骤s2输出的基于静力触探孔数据的所述样本数据集,分别训练构造均值矩阵、状态转移矩阵和协方差矩阵;具体实现为:将静力触探孔的所述样本数据集按地层层序进行分组,计算深度、ps值的特征均值,形成所述hmm隐马尔可夫算法模型的均值矩阵;将每个静力触探孔不同的土层编号视为不同的状态,计算每个静力触探孔中从一个层序状态转换到另一个层序状态的概率,通过统计计算数据中状态之间的转换次数,构造状态转移矩阵;再基于所述样本数据集计算每个地层层序状态不同特征之间的协方差矩阵,根据上述3个矩阵构造所述hmm隐马尔可夫算法模型,对步骤s2输出的所述样本数据集进行训练,输出所述区域范围内的所述地质地层快速智能分层模型。
11、步骤s4中,所述地质地层快速智能分层模型在输出所述静力触探孔在区域统一分层下的地层分层结果之前,加入不同地貌单元、不同地质分区对应的各地层深度分布范围规律进行约束,对小于地层深度范围下限的,取下限值,对大于地层深度范围上限的,取上限值。
12、本专利技术的优点是:
13、(1)基于hmm算法,学习区域内已有静力触探孔数据分层规律,生成一个适用于区域地层统一的智能分层模型,可实现区域内大量勘探孔分层数据快速、准确统一;
14、(2)能够有效替代人工方法,减少对人工经验的依赖,显著提升数据处理效率和准确性,且可不断增加数据样本量,优化样本数据质量,使模型不断学习更新,不断提升智能分层结果的准确性。
本文档来自技高网...【技术保护点】
1.一种基于机器学习的区域工程地质地层分层统一方法,其特征在于所述地层分层统一方法包括以下步骤:
2.根据权利要求1所述的一种基于机器学习的区域工程地质地层分层统一方法,其特征在于步骤S1中,所述静力触探孔的数据包括静力触探孔号、孔坐标、深度、Ps值以及原有分层;所述取土孔数据包括孔号、孔坐标、深度、分层数据、土工试验参数,以及地层的成因、地质时代、湿度、状态、密度、压缩性、描述。
3.根据权利要求1所述的一种基于机器学习的区域工程地质地层分层统一方法,其特征在于所述HMM隐马尔可夫算法模型,采用的参数包括:隐藏状态数量n_components=1,协方差矩阵类型covariance_type=‘full’,最大迭代次数n_iter=200;然后利用步骤S2输出的基于静力触探孔数据的所述样本数据集,分别训练构造均值矩阵、状态转移矩阵和协方差矩阵;具体实现为:将静力触探孔的所述样本数据集按地层层序进行分组,计算深度、ps值的特征均值,形成所述HMM隐马尔可夫算法模型的均值矩阵;将每个静力触探孔不同的土层编号视为不同的状态,计算每个静力触探孔中从一个层序状态转
4.根据权利要求1所述的一种基于机器学习的区域工程地质地层分层统一方法,其特征在于步骤S4中,所述地质地层快速智能分层模型在输出所述静力触探孔在区域统一分层下的地层分层结果之前,加入不同地貌单元、不同地质分区对应的各地层深度分布范围规律进行约束,对小于地层深度范围下限的,取下限值,对大于地层深度范围上限的,取上限值。
...【技术特征摘要】
1.一种基于机器学习的区域工程地质地层分层统一方法,其特征在于所述地层分层统一方法包括以下步骤:
2.根据权利要求1所述的一种基于机器学习的区域工程地质地层分层统一方法,其特征在于步骤s1中,所述静力触探孔的数据包括静力触探孔号、孔坐标、深度、ps值以及原有分层;所述取土孔数据包括孔号、孔坐标、深度、分层数据、土工试验参数,以及地层的成因、地质时代、湿度、状态、密度、压缩性、描述。
3.根据权利要求1所述的一种基于机器学习的区域工程地质地层分层统一方法,其特征在于所述hmm隐马尔可夫算法模型,采用的参数包括:隐藏状态数量n_components=1,协方差矩阵类型covariance_type=‘full’,最大迭代次数n_iter=200;然后利用步骤s2输出的基于静力触探孔数据的所述样本数据集,分别训练构造均值矩阵、状态转移矩阵和协方差矩阵;具体实现为:将静力触探孔的所...
【专利技术属性】
技术研发人员:许杰,苏辉,尚颖霞,彭艾鑫,蔡国栋,邰俊,徐良义,刘天伦,朱文杰,李鸣洲,
申请(专利权)人:上海勘察设计研究院集团股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。