摘要
本发明提供一种基于势场插值与深度学习耦合的三维地质模型构建方法,包括:S1构建样本数据集并归一化处理;S2根据样本数据的特征,利用上下地层间变异系数确定区域内的地层接触关系;S3基于标量场构建规则和自适应地层层序,设计损失函数;S4设计基于卷积残差隐式层级网络架构的三维地质预测模型,包括简明全连接模块、复杂卷积残差模块以及层级集成模块;S5根据样本数据特征拟合预训练平面,捕捉区域内地层特性得到类理想地层平面;S6进行三维地质模型的预测,将预训练后的网络参数加载到每一层卷积残差隐式网络上进行训练,使模型收敛输出预测的标量场值后进行等值面提取得到三维地质模型。
技术关键词
三维地质模型
网络架构
残差模块
层级
界面
关系
集成模块
采样点
数据
网格
回归算法
全局正则化
样本
网络模型训练
参数
基础
钻孔
编码
系统为您推荐了相关专利信息
深度神经网络训练
注意力机制
迭代收缩阈值算法
卷积模块
累积分布函数
无人机环境感知
全局三维地图
飞行状态数据
三维场景模型
可视化模块
故障预测方法
高维特征向量
故障预测模型训练
空间特征分析
时序特征
数据处理方法
干扰误差
漂移误差
方程
数学分析方法