基于广义SR算法的勘察地层数据集智能构建方法及系统与流程

基于广义sr算法的勘察地层数据集智能构建方法及系统
技术领域
1.本发明地质勘察数据处理技术领域，尤其涉及一种基于广义sr算法的勘察地层数据集智能构建方法及系统。


背景技术：

2.在地质勘察的过程中，往往有大量的地质勘察数据采集，得到对应的地质资料方便后续的地质分析和业务处理，如在矿产勘查中，通过露头观测、钻探、坑探和岩心鉴定、水文地质调查等对地质实体及其属性进行识别、分离和收集，以获得可进行处理的源数据。
3.传统勘察资料种类繁多，在有限数据的基础上，结合表格、图件、工作经验对获得数据进行解释，方式比较抽象，对勘察数据的解释比较困难，很难深层次地理解工程地质信息。以文字报告和地图图件的形式向后续专业提供的勘察成果过于专业化，勘察成果转化为设计、施工、运营、维护所需数据的可能性较低，造成了不必要的损失和浪费。种类繁多的勘察原始数据相互佐证、分析只能凭借人为经验判断，效率低下。部分勘察数据都是人工通过钻孔数据与地质年代并依据经验进行推断而来的，这些数据往往精度不高，对于设计、施工而言参考价值不大，并不能准确的指导设计、施工。


技术实现要素：

4.针对现有技术中存在的问题，本发明实施例提供一种基于广义sr算法的勘察地层数据集智能构建方法及系统。
5.本发明实施例提供一种基于广义sr算法的勘察地层数据集智能构建方法，包括：
6.采集地质勘察数据中的钻孔数据，获取所述钻孔数据对应的分层位置，将所述钻孔数据根据分层位置进行划分，对每层地层的钻孔数据构建对应的数据集合，并根据所述数据集合构建对应的图片数据矩阵；
7.判断目标数据的数据精度要求，当所述目标数据的数据精度要求低于预设标准时，基于所述图片数据矩阵，结合双线性插值算法进行虚拟钻孔构建，得到对应的快速虚拟钻孔数据，并通过所述快速虚拟钻孔数据生成第一地层面离散点集表；
8.当所述目标数据的数据精度要求高于预设标准时，基于所述数据精度要求构建输出数据的维度信息，并根据所述维度信息构建对应的sr模型，将所述钻孔数据输入所述sr模型，通过所述sr模型进行数据拟合，直至所述数据拟合通过，生成对应的精度虚拟钻孔数据，并通过所述精度虚拟钻孔数据生成第二地层面离散点集表；
9.基于所述第一地层面离散点集表/第二地层面离散点集表中的每一分层数据作为初始数据，结合所述钻孔数据，使用knn算法进行最邻近点求解，通过求解结果确定地层趋势数据，通过所述地层趋势数据对生成地层面走向趋势表；
10.采集地质勘察数据的地质数据生成地层基础信息表，并根据所述第一地层面离散点集表/第二地层面离散点集表、地层面走向趋势表、地层基础信息表构建对应的地质数据库。
11.在其中一个实施例中，所述方法还包括：
12.预构建虚拟钻孔的虚拟地层的虚拟数据维度，基于所述虚拟数据维度确定对应的所述图片数据矩阵中的目标像素点，并结合所述目标像素点周围的四个点进行预虚拟钻孔；
13.通过所述钻孔数据中的物探数据与地层等值线数据进行knn算法计算，将算法计算结果与所述预虚拟钻孔的结果进行对比，当对比结果大于预设误差值时，将所述物探数据与地层等值线数据作为权重，重新计算目标像素点与周围的四个点的影响系数，重新进行预虚拟钻孔，直至对比结果小于预设误差值时。
14.在其中一个实施例中，所述方法还包括：
15.获取所述钻孔数据中的物探数据与地层等值线数据，将所述物探数据作为第一层拟合函数的权重因子进行拟合，将所述地层等值线数据作为第二层拟合函数的权重因子进行拟合，并在两层拟合中，当拟合结果不符合预设标准时，通过前反馈更新对应的权重因子；
16.检测到两层拟合通过后，输出拟合通过后的精度虚拟钻孔数据。
17.在其中一个实施例中，所述方法还包括：
18.通过所述钻孔数据中的属性数据对应生成所述图片数据矩阵中的图片属性数据，包括：
19.通过所述钻孔数据的横纵坐标生成所述图片数据矩阵的坐标系坐标，通过所述钻孔数据的地层编码、温度、湿度、应力生成所述图片数据矩阵中图片像素的r、g、b通道值以及透明度。
20.在其中一个实施例中，所述钻孔数据，包括：
21.基础信息，包括钻孔编号、孔口标高、孔深、分层位置、分层厚度、岩层属性信息；
22.多源数据，包括物探数据、地层等值线数据、断层数据、剖面数据。
23.本发明实施例提供一种基于广义sr算法的勘察地层数据集智能构建系统，包括：
24.采集模块，用于采集地质勘察数据中的钻孔数据，获取所述钻孔数据对应的分层位置，将所述钻孔数据根据分层位置进行划分，对每层地层的钻孔数据构建对应的数据集合，并根据所述数据集合构建对应的图片数据矩阵；
25.判断模块，用于判断目标数据的数据精度要求，当所述目标数据的数据精度要求低于预设标准时，基于所述图片数据矩阵，结合双线性插值算法进行虚拟钻孔构建，得到对应的快速虚拟钻孔数据，并通过所述快速虚拟钻孔数据生成第一地层面离散点集表；
26.sr模型模块，用于当所述目标数据的数据精度要求高于预设标准时，基于所述数据精度要求构建输出数据的维度信息，并根据所述维度信息构建对应的sr模型，将所述钻孔数据输入所述sr模型，通过所述sr模型进行数据拟合，直至所述数据拟合通过，生成对应的精度虚拟钻孔数据，并通过所述精度虚拟钻孔数据生成第二地层面离散点集表；
27.地层面走向趋势模块，用于基于所述第一地层面离散点集表/第二地层面离散点集表中的每一分层数据作为初始数据，结合所述钻孔数据，使用knn算法进行最邻近点求解，通过求解结果确定地层趋势数据，通过所述地层趋势数据对生成地层面走向趋势表；
28.数据库模块，用于采集地质勘察数据的地质数据生成地层基础信息表，并根据所述第一地层面离散点集表/第二地层面离散点集表、地层面走向趋势表、地层基础信息表构
建对应的地质数据库。
29.在其中一个实施例中，所述系统还包括：
30.虚拟钻孔模块，用于预构建虚拟钻孔的虚拟地层的虚拟数据维度，基于所述虚拟数据维度确定对应的所述图片数据矩阵中的目标像素点，并结合所述目标像素点周围的四个点进行预虚拟钻孔；
31.迭代模块，用于通过所述钻孔数据中的物探数据与地层等值线数据进行knn算法计算，将算法计算结果与所述预虚拟钻孔的结果进行对比，当对比结果大于预设误差值时，将所述物探数据与地层等值线数据作为权重，重新计算目标像素点与周围的四个点的影响系数，重新进行预虚拟钻孔，直至对比结果小于预设误差值时。
32.在其中一个实施例中，所述系统还包括：
33.拟合模块，用于获取所述钻孔数据中的物探数据与地层等值线数据，将所述物探数据作为第一层拟合函数的权重因子进行拟合，将所述地层等值线数据作为第二层拟合函数的权重因子进行拟合，并在两层拟合中，当拟合结果不符合预设标准时，通过前反馈更新对应的权重因子；
34.检测模块，用于检测到两层拟合通过后，输出拟合通过后的精度虚拟钻孔数据。
35.本发明实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述基于广义sr算法的勘察地层数据集智能构建方法的步骤。
36.本发明实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述基于广义sr算法的勘察地层数据集智能构建方法的步骤。
37.本发明实施例提供的一种基于广义sr算法的勘察地层数据集智能构建方法及系统，采集地质勘察数据中的钻孔数据，获取钻孔数据对应的分层位置，将钻孔数据根据分层位置进行划分，对每层地层的钻孔数据构建对应的数据集合，并根据数据集合构建对应的图片数据矩阵；判断目标数据的数据精度要求，当目标数据的数据精度要求低于预设标准时，基于图片数据矩阵，结合双线性插值算法进行虚拟钻孔构建，得到对应的快速虚拟钻孔数据，并通过快速虚拟钻孔数据生成第一地层面离散点集表；当目标数据的数据精度要求高于预设标准时，基于数据精度要求构建输出数据的维度信息，并根据维度信息构建对应的sr模型，将钻孔数据输入sr模型，通过所述sr模型进行数据拟合，直至数据拟合通过，生成对应的精度虚拟钻孔数据，并通过精度虚拟钻孔数据生成第二地层面离散点集表；基于第一地层面离散点集表/第二地层面离散点集表中的每一分层数据作为初始数据，结合钻孔数据，使用knn算法进行最邻近点求解，通过求解结果确定地层趋势数据，通过地层趋势数据对生成地层面走向趋势表；采集地质勘察数据的地质数据生成地层基础信息表，并根据第一地层面离散点集表/第二地层面离散点集表、地层面走向趋势表、地层基础信息表构建对应的地质数据库。这样能够在建立三维地质数据库，提供系统性的完整数据的同时，也基于sr算法进行虚拟钻孔构造，提高地层数据精度。
附图说明
38.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现
有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
39.图1为本发明实施例中一种基于广义sr算法的勘察地层数据集智能构建方法的流程图；
40.图2为本发明实施例中一种快速的虚拟钻孔构建的流程图；
41.图3为本发明实施例中一种高精度的虚拟钻孔构建的流程图；
42.图4为本发明实施例中一种基于广义sr算法的勘察地层数据集智能构建系统的结构图；
43.图5为本发明实施例中电子设备结构示意图。
具体实施方式
44.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
45.图1为本发明实施例提供的一种基于广义sr算法的勘察地层数据集智能构建方法的流程示意图，如图1所示，本发明实施例提供了一种基于广义sr算法的勘察地层数据集智能构建方法，包括：
46.步骤s101，采集地质勘察数据中的钻孔数据，获取所述钻孔数据对应的分层位置，将所述钻孔数据根据分层位置进行划分，对每层地层的钻孔数据构建对应的数据集合，并根据所述数据集合构建对应的图片数据矩阵。
47.具体地，采集地质勘察过程中的钻孔平面布置图、钻孔柱状图、钻孔施工记录等图纸和记录中的钻孔数据，其中，钻孔数据可以分为两类，钻孔基础数据，包括钻孔编号、孔口标高、孔深、分层位置、分层厚度、岩层属性信息等直接采集到的数据，以及多源数据，包括物探数据、地层等值线数据、断层数据、剖面数据等需要进行相关系统进行多项基础数据统筹计算，或通过算法运算的并不十分准确的数据，然后将钻孔数据根据分层位置层层划分出来，将每种地层都做为一个数据集合，并将数据集合构建成一个类似图片数据的矩阵，具体的构建方法可以比如将钻孔数据的x、y坐标映射为图片数据的像素的xy坐标，将z坐标、应力、温度、湿度抽象成图片像素的r、g、b、透明度等值，这样每一层的钻孔数据可以看作为一个图片数据集。
48.步骤s102，判断目标数据的数据精度要求，当所述目标数据的数据精度要求低于预设标准时，基于所述图片数据矩阵，结合双线性插值算法进行虚拟钻孔构建，得到对应的快速虚拟钻孔数据，并通过所述快速虚拟钻孔数据生成第一地层面离散点集表。
49.具体地，判断对于地质勘察要求的目标数据的数据精度要求，当目标数据的数据精度要求低于预设标准时，则采用快速的虚拟钻孔构建，包括：建出含有虚拟钻孔数据的新层面的数据维度，接着利用双线性插值算法进行虚拟钻孔构建，就是利用目标像素周围的四个点来做预测，离目标位置越近的点权重越大，快速的虚拟钻孔构建的构建方式速度很快，计算量不大，但是构造的钻孔精度不高，与实际可能会有误差。
50.另外，快速的虚拟钻孔构建误差过大时，可以使用物探数据与地层等值线数据使用knn算法计算对应点的参数值，如果参数误差在合理范围内即可输出，不符合时利用反馈调节机制将参数权重进行调整，重新使用激活函数来构建虚拟钻孔，如此往复计算获得需要的快速虚拟钻孔数据，如图2所示，然后通过快速虚拟钻孔数据生成第一地层面离散点集表，其中，地层面离散点集表的内容可以如表1所示，主要存储了由钻孔数据中提取而来的每一种地层表面的离散点数据，包含了坐标信息，应力，温度，湿度等数据。其次也包含了由初始钻孔数据与其他的勘察数据由算法生成的虚拟钻孔数据，这些虚拟数据的加入提高了数据的精度，增加了后续相关分析能力的准确性：
51.字段名称备注类型xx坐标doubleyy坐标doublezz坐标doublecode地层编码stringtemp温度doublehumidity湿度doublestress应力double
52.表1
53.步骤s103，当所述目标数据的数据精度要求高于预设标准时，基于所述数据精度要求构建输出数据的维度信息，并根据所述维度信息构建对应的sr模型，将所述钻孔数据输入所述sr模型，通过所述sr模型进行数据拟合，直至所述数据拟合通过，生成对应的精度虚拟钻孔数据，并通过所述精度虚拟钻孔数据生成第二地层面离散点集表。
54.具体地，判断对于地质勘察要求的目标数据的数据精度要求，当目标数据的数据精度要求高于预设标准时，则采用高精度的虚拟钻孔构建，包括：基于数据精度要求构建输出数据的维度信息，将钻孔数据中的相关数据作为输入参数使用sr模型进行训练计算，其中，相关数据可以包括物探数据及地层等值线数据，使用物探数据作为第一层拟合函数的权重因子，地层等值线数据做为第二层拟合函数的权重因子，进行双层反馈，另外，有符合模型架构的多源数据也可以加入到拟合函数的节点中，作为拟合新的拟合因子，比如断层数据、剖面数据等。构成有地层层面离散点数据到高密度地层层面离散点数据的变换函数。通过不断前向激活学习过程，即可构建出高精度的地层层面离散点数据集，然后通过精度虚拟钻孔数据生成第二地层面离散点集表，如图3所示。
55.步骤s104，基于所述第一地层面离散点集表/第二地层面离散点集表中的每一分层数据作为初始数据，结合所述钻孔数据，使用knn算法进行最邻近点求解，通过求解结果确定地层趋势数据，通过所述地层趋势数据对生成地层面走向趋势表。
56.具体地，基于第一地层面离散点集表/第二地层面离散点集表中中的每一地层数据作为初始数据，结合物探数据与地层等值线数据，使用knn算法进行最邻近点求解，通过求解结果确定地层等值线的特征点位置的地层趋势数据，通过地层趋势数据对生成地层面走向趋势表，用于预测地层的断层，褶皱，不整合等特殊情况的数据集，如表2所示：
57.字段名称备注类型xx坐标double
yy坐标doublezz坐标doublex_rx方向倾角doubley_ry方向倾角doublez_rz方向倾角doublecode地层编码string
58.表2
59.步骤s105，采集地质勘察数据的地质数据生成地层基础信息表，并根据所述第一地层面离散点集表/第二地层面离散点集表、地层面走向趋势表、地层基础信息表构建对应的地质数据库。
60.具体地，采集地质勘察数据的地质数据生成地层基础信息表，包括地层名称，形成年代，地层类别，地层编号，地质成因，分层顺序等专业的地层信息数据，主要作用是作为字典表通过地层编号与地层面离散点集表做关联，如表3所示：
61.字段名称备注类型name地层名称stringcode地层编码stringyear形成年代stringtype地层类别stringnumber地层编号stringorigin地质成因string
62.表3
63.然后将第一地层面离散点集表/第二地层面离散点集表、地层面走向趋势表、地层基础信息表进行保存，构建对应的地质数据库。
64.本发明实施例提供的一种基于广义sr算法的勘察地层数据集智能构建方法，采集地质勘察数据中的钻孔数据，获取钻孔数据对应的分层位置，将钻孔数据根据分层位置进行划分，对每层地层的钻孔数据构建对应的数据集合，并根据数据集合构建对应的图片数据矩阵；判断目标数据的数据精度要求，当目标数据的数据精度要求低于预设标准时，基于图片数据矩阵，结合双线性插值算法进行虚拟钻孔构建，得到对应的快速虚拟钻孔数据，并通过快速虚拟钻孔数据生成第一地层面离散点集表；当目标数据的数据精度要求高于预设标准时，基于数据精度要求构建输出数据的维度信息，并根据维度信息构建对应的sr模型，将钻孔数据输入sr模型，通过所述sr模型进行数据拟合，直至数据拟合通过，生成对应的精度虚拟钻孔数据，并通过精度虚拟钻孔数据生成第二地层面离散点集表；基于第一地层面离散点集表/第二地层面离散点集表中的每一分层数据作为初始数据，结合钻孔数据，使用knn算法进行最邻近点求解，通过求解结果确定地层趋势数据，通过地层趋势数据对生成地层面走向趋势表；采集地质勘察数据的地质数据生成地层基础信息表，并根据第一地层面离散点集表/第二地层面离散点集表、地层面走向趋势表、地层基础信息表构建对应的地质数据库。这样能够在建立三维地质数据库，提供系统性的完整数据的同时，也基于sr算法进行虚拟钻孔构造，提高地层数据精度。
65.图4为本发明实施例提供的一种基于广义sr算法的勘察地层数据集智能构建系
统，包括：采集模块s201、判断模块s202、sr模型模块s203、地层面走向趋势模块s204、数据库模块s205，其中：
66.采集模块s201，用于采集地质勘察数据中的钻孔数据，获取所述钻孔数据对应的分层位置，将所述钻孔数据根据分层位置进行划分，对每层地层的钻孔数据构建对应的数据集合，并根据所述数据集合构建对应的图片数据矩阵。
67.判断模块s202，用于判断目标数据的数据精度要求，当所述目标数据的数据精度要求低于预设标准时，基于所述图片数据矩阵，结合双线性插值算法进行虚拟钻孔构建，得到对应的快速虚拟钻孔数据，并通过所述快速虚拟钻孔数据生成第一地层面离散点集表。
68.sr模型模块s203，用于当所述目标数据的数据精度要求高于预设标准时，基于所述数据精度要求构建输出数据的维度信息，并根据所述维度信息构建对应的sr模型，将所述钻孔数据输入所述sr模型，通过所述sr模型进行数据拟合，直至所述数据拟合通过，生成对应的精度虚拟钻孔数据，并通过所述精度虚拟钻孔数据生成第二地层面离散点集表。
69.地层面走向趋势模块s204，用于基于所述第一地层面离散点集表/第二地层面离散点集表中的每一分层数据作为初始数据，结合所述钻孔数据，使用knn算法进行最邻近点求解，通过求解结果确定地层趋势数据，通过所述地层趋势数据对生成地层面走向趋势表。
70.数据库模块s205，用于采集地质勘察数据的地质数据生成地层基础信息表，并根据所述第一地层面离散点集表/第二地层面离散点集表、地层面走向趋势表、地层基础信息表构建对应的地质数据库。
71.在其中一个实施例中，所述系统还包括：
72.虚拟钻孔模块，用于预构建虚拟钻孔的虚拟地层的虚拟数据维度，基于所述虚拟数据维度确定对应的所述图片数据矩阵中的目标像素点，并结合所述目标像素点周围的四个点进行预虚拟钻孔。
73.迭代模块，用于通过所述钻孔数据中的物探数据与地层等值线数据进行knn算法计算，将算法计算结果与所述预虚拟钻孔的结果进行对比，当对比结果大于预设误差值时，将所述物探数据与地层等值线数据作为权重，重新计算目标像素点与周围的四个点的影响系数，重新进行预虚拟钻孔，直至对比结果小于预设误差值时。
74.在其中一个实施例中，所述系统还包括：
75.拟合模块，用于获取所述钻孔数据中的物探数据与地层等值线数据，将所述物探数据作为第一层拟合函数的权重因子进行拟合，将所述地层等值线数据作为第二层拟合函数的权重因子进行拟合，并在两层拟合中，当拟合结果不符合预设标准时，通过前反馈更新对应的权重因子。
76.检测模块，用于检测到两层拟合通过后，输出拟合通过后的精度虚拟钻孔数据。
77.关于基于广义sr算法的勘察地层数据集智能构建系统的具体限定可以参见上文中对于基于广义sr算法的勘察地层数据集智能构建方法的限定，在此不再赘述。上述基于广义sr算法的勘察地层数据集智能构建系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
78.图5示例了一种电子设备的实体结构示意图，如图5所示，该电子设备可以包括：处
理器(processor)301、存储器(memory)302、通信接口(communications interface)303和通信总线304，其中，处理器301，存储器302，通信接口303通过通信总线304完成相互间的通信。处理器301可以调用存储器302中的逻辑指令，以执行如下方法：采集地质勘察数据中的钻孔数据，获取钻孔数据对应的分层位置，将钻孔数据根据分层位置进行划分，对每层地层的钻孔数据构建对应的数据集合，并根据数据集合构建对应的图片数据矩阵；判断目标数据的数据精度要求，当目标数据的数据精度要求低于预设标准时，基于图片数据矩阵，结合双线性插值算法进行虚拟钻孔构建，得到对应的快速虚拟钻孔数据，并通过快速虚拟钻孔数据生成第一地层面离散点集表；当目标数据的数据精度要求高于预设标准时，基于数据精度要求构建输出数据的维度信息，并根据维度信息构建对应的sr模型，将钻孔数据输入sr模型，通过所述sr模型进行数据拟合，直至数据拟合通过，生成对应的精度虚拟钻孔数据，并通过精度虚拟钻孔数据生成第二地层面离散点集表；基于第一地层面离散点集表/第二地层面离散点集表中的每一分层数据作为初始数据，结合钻孔数据，使用knn算法进行最邻近点求解，通过求解结果确定地层趋势数据，通过地层趋势数据对生成地层面走向趋势表；采集地质勘察数据的地质数据生成地层基础信息表，并根据第一地层面离散点集表/第二地层面离散点集表、地层面走向趋势表、地层基础信息表构建对应的地质数据库。
79.此外，上述的存储器302中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
80.另一方面，本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的传输方法，例如包括：采集地质勘察数据中的钻孔数据，获取钻孔数据对应的分层位置，将钻孔数据根据分层位置进行划分，对每层地层的钻孔数据构建对应的数据集合，并根据数据集合构建对应的图片数据矩阵；判断目标数据的数据精度要求，当目标数据的数据精度要求低于预设标准时，基于图片数据矩阵，结合双线性插值算法进行虚拟钻孔构建，得到对应的快速虚拟钻孔数据，并通过快速虚拟钻孔数据生成第一地层面离散点集表；当目标数据的数据精度要求高于预设标准时，基于数据精度要求构建输出数据的维度信息，并根据维度信息构建对应的sr模型，将钻孔数据输入sr模型，通过所述sr模型进行数据拟合，直至数据拟合通过，生成对应的精度虚拟钻孔数据，并通过精度虚拟钻孔数据生成第二地层面离散点集表；基于第一地层面离散点集表/第二地层面离散点集表中的每一分层数据作为初始数据，结合钻孔数据，使用knn算法进行最邻近点求解，通过求解结果确定地层趋势数据，通过地层趋势数据对生成地层面走向趋势表；采集地质勘察数据的地质数据生成地层基础信息表，并根据第一地层面离散点集表/第二地层面离散点集表、地层面走向趋势表、地层基础信息表构建对应的地质数据库。
81.以上所描述的系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可
以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
82.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
83.最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

技术特征：
1.一种基于广义sr算法的勘察地层数据集智能构建方法，其特征在于，包括：采集地质勘察数据中的钻孔数据，获取所述钻孔数据对应的分层位置，将所述钻孔数据根据分层位置进行划分，对每层地层的钻孔数据构建对应的数据集合，并根据所述数据集合构建对应的图片数据矩阵；判断目标数据的数据精度要求，当所述目标数据的数据精度要求低于预设标准时，基于所述图片数据矩阵，结合双线性插值算法进行虚拟钻孔构建，得到对应的快速虚拟钻孔数据，并通过所述快速虚拟钻孔数据生成第一地层面离散点集表；当所述目标数据的数据精度要求高于预设标准时，基于所述数据精度要求构建输出数据的维度信息，并根据所述维度信息构建对应的sr模型，将所述钻孔数据输入所述sr模型，通过所述sr模型进行数据拟合，直至所述数据拟合通过，生成对应的精度虚拟钻孔数据，并通过所述精度虚拟钻孔数据生成第二地层面离散点集表；基于所述第一地层面离散点集表/第二地层面离散点集表中的每一分层数据作为初始数据，结合所述钻孔数据，使用knn算法进行最邻近点求解，通过求解结果确定地层趋势数据，通过所述地层趋势数据对生成地层面走向趋势表；采集地质勘察数据的地质数据生成地层基础信息表，并根据所述第一地层面离散点集表/第二地层面离散点集表、地层面走向趋势表、地层基础信息表构建对应的地质数据库。2.根据权利要求1所述的基于广义sr算法的勘察地层数据集智能构建方法，其特征在于，所述基于所述图片数据矩阵，结合双线性插值算法进行虚拟钻孔构建，得到对应的快速虚拟钻孔数据，包括：预构建虚拟钻孔的虚拟地层的虚拟数据维度，基于所述虚拟数据维度确定对应的所述图片数据矩阵中的目标像素点，并结合所述目标像素点周围的四个点进行预虚拟钻孔；通过所述钻孔数据中的物探数据与地层等值线数据进行knn算法计算，将算法计算结果与所述预虚拟钻孔的结果进行对比，当对比结果大于预设误差值时，将所述物探数据与地层等值线数据作为权重，重新计算目标像素点与周围的四个点的影响系数，重新进行预虚拟钻孔，直至对比结果小于预设误差值时。3.根据权利要求1所述的基于广义sr算法的勘察地层数据集智能构建方法，其特征在于，所述将所述钻孔数据输入所述sr模型，通过所述sr模型进行数据拟合，直至所述数据拟合通过，生成对应的精度虚拟钻孔数据，包括：获取所述钻孔数据中的物探数据与地层等值线数据，将所述物探数据作为第一层拟合函数的权重因子进行拟合，将所述地层等值线数据作为第二层拟合函数的权重因子进行拟合，并在两层拟合中，当拟合结果不符合预设标准时，通过前反馈更新对应的权重因子；检测到两层拟合通过后，输出拟合通过后的精度虚拟钻孔数据。4.根据权利要求1所述的基于广义sr算法的勘察地层数据集智能构建方法，其特征在于，所述根据所述数据集合构建对应的图片数据矩阵，包括：通过所述钻孔数据中的属性数据对应生成所述图片数据矩阵中的图片属性数据，包括：通过所述钻孔数据的横纵坐标生成所述图片数据矩阵的坐标系坐标，通过所述钻孔数据的地层编码、温度、湿度、应力生成所述图片数据矩阵中图片像素的r、g、b通道值以及透明度。
5.根据权利要求1所述的基于广义sr算法的勘察地层数据集智能构建方法，其特征在于，所述钻孔数据，包括：基础信息，包括钻孔编号、孔口标高、孔深、分层位置、分层厚度、岩层属性信息；多源数据，包括物探数据、地层等值线数据、断层数据、剖面数据。6.一种基于广义sr算法的勘察地层数据集智能构建系统，其特征在于，所述系统包括：采集模块，用于采集地质勘察数据中的钻孔数据，获取所述钻孔数据对应的分层位置，将所述钻孔数据根据分层位置进行划分，对每层地层的钻孔数据构建对应的数据集合，并根据所述数据集合构建对应的图片数据矩阵；判断模块，用于判断目标数据的数据精度要求，当所述目标数据的数据精度要求低于预设标准时，基于所述图片数据矩阵，结合双线性插值算法进行虚拟钻孔构建，得到对应的快速虚拟钻孔数据，并通过所述快速虚拟钻孔数据生成第一地层面离散点集表；sr模型模块，用于当所述目标数据的数据精度要求高于预设标准时，基于所述数据精度要求构建输出数据的维度信息，并根据所述维度信息构建对应的sr模型，将所述钻孔数据输入所述sr模型，通过所述sr模型进行数据拟合，直至所述数据拟合通过，生成对应的精度虚拟钻孔数据，并通过所述精度虚拟钻孔数据生成第二地层面离散点集表；地层面走向趋势模块，用于基于所述第一地层面离散点集表/第二地层面离散点集表中的每一分层数据作为初始数据，结合所述钻孔数据，使用knn算法进行最邻近点求解，通过求解结果确定地层趋势数据，通过所述地层趋势数据对生成地层面走向趋势表；数据库模块，用于采集地质勘察数据的地质数据生成地层基础信息表，并根据所述第一地层面离散点集表/第二地层面离散点集表、地层面走向趋势表、地层基础信息表构建对应的地质数据库。7.根据权利要求6所述的基于广义sr算法的勘察地层数据集智能构建方法，其特征在于，所述系统还包括：虚拟钻孔模块，用于预构建虚拟钻孔的虚拟地层的虚拟数据维度，基于所述虚拟数据维度确定对应的所述图片数据矩阵中的目标像素点，并结合所述目标像素点周围的四个点进行预虚拟钻孔；迭代模块，用于通过所述钻孔数据中的物探数据与地层等值线数据进行knn算法计算，将算法计算结果与所述预虚拟钻孔的结果进行对比，当对比结果大于预设误差值时，将所述物探数据与地层等值线数据作为权重，重新计算目标像素点与周围的四个点的影响系数，重新进行预虚拟钻孔，直至对比结果小于预设误差值时。8.根据权利要求6所述的基于广义sr算法的勘察地层数据集智能构建方法，其特征在于，所述系统还包括：拟合模块，用于获取所述钻孔数据中的物探数据与地层等值线数据，将所述物探数据作为第一层拟合函数的权重因子进行拟合，将所述地层等值线数据作为第二层拟合函数的权重因子进行拟合，并在两层拟合中，当拟合结果不符合预设标准时，通过前反馈更新对应的权重因子；检测模块，用于检测到两层拟合通过后，输出拟合通过后的精度虚拟钻孔数据。9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至5任一项所述基于广
义sr算法的勘察地层数据集智能构建方法的步骤。10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至5任一项所述基于广义sr算法的勘察地层数据集智能构建方法的步骤。

技术总结
本发明实施例提供一种基于广义SR算法的勘察地层数据集智能构建方法及系统，所述方法包括：通过钻孔数据的分层进行划分，构建分层图片数据矩阵，结合双线性插值算法进行虚拟钻孔构建，得到快速虚拟钻孔数据；构建SR模型，通过SR模型进行数据拟合，直至数据拟合通过，生成精度虚拟钻孔数据，通过快速虚拟钻孔数据/精度虚拟钻孔数据生成地层面离散点集表；基于地层面离散点集表作为初始数据，结合钻孔数据，确定地层趋势数据，生成地层面走向趋势表；采集地质勘察数据的地质数据生成地层基础信息表，构建对应的地质数据库。采用本方法能够在建立三维地质数据库，提供系统性的完整数据的同时，也基于SR算法进行虚拟钻孔构造，提高地层数据精度。地层数据精度。地层数据精度。


技术研发人员：刘瑞 张军强 胡勇
受保护的技术使用者：武汉正远岩土科技有限公司
技术研发日：2023.04.18
技术公布日：2023/8/22