论文部分内容阅读
在大型水电工程中,三维地质建模与可视化技术已成为揭示工程地质条件的重要手段,对于提高工程设计水平、保证工程安全稳定运行具有重要意义。地质建模的过程涉及地质大数据,而机器学习（Machine Learning,ML）技术能够为基于地质大数据分析的三维精细地质建模提供有力的理论与方法支持;同时,混合现实（Mixed Reality,MR）技术为三维地质信息的虚实融合可视化表达提供了理论与技术支撑。目前水电工程三维地质建模与可视化的国内外研究中尚存在如下的难题:（1）在地质数据解析阶段,目前的数据解析方法主要依赖人工特征提取,存在解析精度不高的问题;（2）在地质模型构建阶段,目前的三维地质建模方法面临着如何实现复杂非线性地质拓扑的快速构建以及多维地质参数联合分布的估计与采样的难题;（3）在地质信息可视化阶段,现有的虚拟现实技术难以实现虚拟地质信息与现实地质环境的融合,且3D交互的直观性与真实感亟待提高。机器学习模型具有能够自动提取特征、拟合高度非线性映射、建模高维联合分布等优势。同时,混合现实三维注册与交互技术能够将虚拟地质信息的全息影像与真实地质对象进行融合,以实现更加自然的3D交互可视化。因此,聚焦三维地质精细建模与可视化问题,采用机器学习与混合现实的理论与方法,具有十分重要的理论和现实意义。本文开展相关深入研究,取得了如下的主要研究成果:（1）提出水电工程多源地质数据判别式机器学习解析方法基于目前水电工程地质数据解析多依赖人工特征提取的现状,利用判别式机器学习自动提取判别性特征,建立多源地质数据解析方法。首先,针对钻孔图像数据,提出钻孔图像结构面区域候选网络（Borehole Image Structural Plane-Region Proposal Network,BISP-RPN）改进目标检测模型的锚框机制,提高了裂隙识别精度;并采用深度卷积神经网络自动提取高层次语义特征,以提高裂隙识别模型的抗噪能力。其次,针对岩体点云数据,采用密度聚类算法建立点云分割模型,以排除结构面提取过程中的离群点。再者,针对地质钻孔数据,采用循环神经网络建立多剖面插值补全模型,以提高地质界线的绘制精度。工程实例表明,对于钻孔图像数据,BISP-RPN方法将裂隙目标检测的平均准确率提高了7.28个百分点,并且避免了传统图像处理方法的识别误判;对于岩体点云数据,点云分割结果中离群点的数量降低了86.3%;对于地质钻孔数据,地质界线绘制的平均精度提高了18.02%。（2）提出基于VGAE生成式机器学习与改进T样条的大尺度地质构造精细建模方法针对现有的水电工程三维地质建模方法存在难以快速建立覆盖层、褶皱、断层与透镜体等大尺度地质构造的复杂地质拓扑的难题,提出基于变分图自编码器（Variational Graph Auto Encoder,VGAE）生成式机器学习与改进T样条的三维地质体精细建模方法。其中,建立VGAE链接预测模型实现地质曲线邻接拓扑的快速构建;同时,提出非均匀边界自适应局部加细（Inhomogeneous Boundary Adaptive Local Refinement,IBALR）算法,以提高复杂T网格拓扑结构的建模效率。工程实例表明,VGAE基于30%的地质曲线邻接拓扑进行链接预测能够实现90%以上的预测精度;同时,改进T样条建模方法能够在NURBS曲面的基础上通过局部自适应加细,将地质曲面的平均精度提高约48%。（3）提出基于DPCAF与CapsuleGAN生成式机器学习的小尺度裂隙网络精细建模方法针对目前的小尺度裂隙网络建模方法缺乏考虑多参数联合分布与裂隙面真实形状特征的问题,提出基于密度峰值聚类自回归流（Density Peak Clustering Autoregressive Flow,DPCAF）与胶囊对抗网络（Capsule Generative Adversarial Network,CapsuleGAN）生成式机器学习的离散裂隙网络建模方法。其中,提出的DPCAF模型采用高斯混合分布与Density Peak聚类算法改进自回归流模型的基础分布,实现了裂隙几何参数之间多峰多维联合分布的精确估计;同时,建立CapsuleGAN裂隙面图像生成模型,实现了裂隙面真实形状的模拟。工程实例表明,基于DPCAF的裂隙倾向、倾角、开度多参数模拟的Wasserstein距离误差减小了7.84%,模拟结果更加接近实测数据分布;并且,采用胶囊网络判别器改进的CapsuleGAN模型有效提高了在小样本数据集上的裂隙面形状生成质量。（4）提出基于三维注册的地质信息混合现实交互可视化方法目前水电工程地质信息可视化多采用的虚拟现实技术无法实现虚实融合可视化,且缺乏真实感、直观性及沉浸感的3D交互。针对上述问题,提出基于即时定位与地图构建以及Model-based三维注册的地质信息混合现实交互可视化方法。其中,针对裂隙岩体地质对象的MR识别交互问题,提出基于整体嵌套边缘检测（Holistically-Nested Edge Detection,HED）的视觉显著结构面（Prominent Structural Plane,Pro-SP）方法,该方法通过提取裂隙岩体的视觉显著边缘特征,提高了MR识别交互中边缘跟踪的稳定性。工程实例表明,Pro-SP方法将边缘跟踪的边缘匹配比率提高了约11个百分点,表明MR识别交互具有很好的稳定性。