CN109358323B - 一种地质雷达数据解释方法、装置,电子设备及存储介质 - Google Patents
一种地质雷达数据解释方法、装置,电子设备及存储介质 Download PDFInfo
- Publication number
- CN109358323B CN109358323B CN201811309973.8A CN201811309973A CN109358323B CN 109358323 B CN109358323 B CN 109358323B CN 201811309973 A CN201811309973 A CN 201811309973A CN 109358323 B CN109358323 B CN 109358323B
- Authority
- CN
- China
- Prior art keywords
- attributes
- geological
- preset target
- simulation
- geology
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000001514 detection method Methods 0.000 claims abstract description 29
- 230000004927 fusion Effects 0.000 claims abstract description 18
- 238000004088 simulation Methods 0.000 claims description 41
- 238000007500 overflow downdraw method Methods 0.000 claims description 10
- 239000003086 colorant Substances 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 8
- 239000000523 sample Substances 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 235000019994 cava Nutrition 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/04—Systems determining presence of a target
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Geophysics And Detection Of Objects (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供了一种地质雷达数据解释方法、装置,电子设备及存储介质,属于雷达探测技术领域。所述方法包括:获取对目标地质的探测数据;从所述探测数据中获取与预设目标属性对应的多种相关属性;将所述多种相关属性进行融合,得到融合结果。本发明提供的一种地质雷达数据解释方法,首先获取对目标地质的探测数据,然后从所述探测数据中获取与预设目标属性对应的多种相关属性,最后将所述多种相关属性进行融合,得到融合结果。与现有技术相比,多种属性融合对地质构造进行解释,可以避免单一属性因各种干扰因素产生不确定性误差,降低了人为主观判断。通过多种属性融合对地质构造进行解释,使解释结果更加精确。
Description
技术领域
本发明涉及雷达探测技术领域,具体而言,涉及一种地质雷达数据解释方法、装置,电子设备及存储介质。
背景技术
目前,地质雷达数据解释具有复杂性和多解性,地质工作人员在对地质雷达数据进行解释中常常掺杂很多主观因素。
近年来,有研究者将“瞬时”、“频率”属性应用到地质雷达数据解释当中,但是单一属性会因各种干扰因素产生不确定性误差,从而使结果产生较大的误差。
发明内容
有鉴于此,本发明的目的在于提供一种地质雷达数据解释方法、装置,电子设备及存储介质,以有效地改善上述问题。
本发明的实施例是这样实现的:
第一方面,本实施例提供了一种地质雷达数据解释方法,包括:获取对目标地质的探测数据;从所述探测数据中获取与预设目标属性对应的多种相关属性;将所述多种相关属性进行融合,得到融合结果。
结合上述第一方面提供的技术方案,在一些可能的实现方式中,通过以下步骤确定所述预设目标属性:模拟所述目标地质的地质结构建立地质模型;对所述地质模型进行正演模拟,得到多种模拟属性;从所述多种模拟属性中确定出所述预设目标属性。
结合上述第一方面提供的技术方案,在一些可能的实现方式中,所述从所述多种模拟属性中确定出所述预设目标属性,包括:对所述多种模拟属性按照波动幅度进行排序;基于排序结果从所述多种模拟属性中的筛选出波动幅度最大的N个模拟属性,作为所述预设目标属性,其中,N为大于等于2的整数。
结合上述第一方面提供的技术方案,在一些可能的实现方式中,所述预设目标属性包括3种属性;所述将所述多种相关属性进行融合,包括:利用RGB色彩融合方法将3种相关属性进行融合。
第二方面,本实施例提供一种地质雷达数据解释装置,包括:第一获取模块:用于获取对目标地质的探测数据;第二获取模块:用于从所述探测数据中获取与预设目标属性对应的多种相关属性;融合模块:将所述多种相关属性进行融合,得到融合结果。
结合上述第二方面提供的技术方案,在一些可能的实现方式中,所述第二获取模块包括:第一模拟单元:用于模拟所述目标地质的地质结构建立地质模型;第二模拟单元:用于对所述地质模型进行正演模拟,得到多种模拟属性;确定单元:用于从所述多种模拟属性中确定出所述预设目标属性。
结合上述第二方面提供的技术方案,在一些可能的实现方式中,所述确定单元还用于对所述多种模拟属性按照波动幅度进行排序;基于排序结果从所述多种模拟属性中的筛选出波动幅度最大的N个模拟属性,作为所述预设目标属性,其中,N为大于等于2的整数。
结合上述第二方面提供的技术方案,在一些可能的实现方式中,所述确定单元中的预设目标属性包括三种属性;所述融合模块还用于利用RGB色彩融合方法将3种相关属性进行融合。
第三方面,本实施例提供一种电子设备,包括:处理器和存储器,所述处理器与所述存储器耦合。所述存储器用于存储程序。所述处理器用于调用存储在所述存储器中的程序,执行上述第一方面实施例和/或结合第一方面实施例下的一些可能的实现方式提供的路径规划方法。
第四方面,本发明实施例提供了一种存储介质,所述存储介质上存储有计算机程序,所述计算机程序在被处理器运行时,执行上述第一方面实施例和/或结合第一方面实施例下的一些可能的实现方式提供的路径规划方法。
本发明的有益效果是:本发明提供的一种地质雷达数据解释方法,首先获取对目标地质的探测数据,然后从所述探测数据中获取与预设目标属性对应的多种相关属性,最后将所述多种相关属性进行融合,得到融合结果。与现有技术相比,多种属性融合对地质构造进行解释,可以避免单一属性因各种干扰因素产生不确定性误差,降低了人为主观判断。通过多种属性融合对地质构造进行解释,使解释结果更加精确。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本发明实施例提供的一种电子设备的结构框图;
图2为本发明实施例提供的一种地质雷达数据解释方法的流程图;
图3为本发明实施例提供的一种确定预设目标属性的方法流程图;
图4为本发明实施例提供的一种获取图3中步骤S203的方法流程图;
图5为本发明实施例提供的一种地质雷达数据解释装置的模块框图;
图6为本发明实施例提供的一种第二获取模块的单元框图。
具体实施方式
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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。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。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
在本发明实施例的描述中,此外,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
第一实施例
如图1所示,图1示出了本发明实施例提供的一种电子设备100的结构框图。所述电子设备100包括:地质雷达数据解释装置110、存储器120、存储控制器130和处理器140。
所述存储器120、存储控制器130、处理器140各元件相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述地质雷达数据解释装置110包括至少一个可以软件或固件(firmware)的形式存储于所述存储器120中或固化在所述电子设备100的操作***(operating system,OS)中的软件功能模块。所述处理器140用于执行存储器120中存储的可执行模块,例如所述图像处理装置110包括的软件功能模块或计算机程序。
其中,存储器120可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-Only Memory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)等。其中,存储器120用于存储程序,所述处理器140在接收到执行指令后,执行所述程序,后述本发明实施例任一实施例揭示的流程定义的电子设备100所执行的方法可以应用于处理器140中,或者由处理器140实现。
处理器140可能是一种集成电路芯片,具有信号的处理能力。上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(NetworkProcessor,NP)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
第二实施例
请参阅图2,图2为本实施例提供的一种地质雷达数据解释方法的流程图,本实施例提供一种地质雷达数据解释方法,所述方法包括:步骤S101-S103。
步骤S101:获取对目标地质的探测数据。
采用地质雷达对目标地质进行探测,获取目标地质的探测数据。地质雷达通过发射天线发射脉冲电磁波讯号,当脉冲电磁波讯号在岩层中遇到探测目标时,会产生一个反射讯号,基于这一反射讯号获取目标地质的探测数据,通过地质雷达获取到的探测数据包含了多种信息,如层速度、振幅、吸收衰减等等。目标地质可以是A市的某一地区的地质,也可以是B市的某一地区的地质。
步骤S102:从所述探测数据中获取与预设目标属性对应的多种相关属性。
根据步骤S101获取的探测数据,从所述探测数据中获取与预设目标属性对应的多种相关属性。请参阅图3,图3为本发明实施例提供的确定所述预设目标属性的方法流程图,需要说明的是,所述预设目标属性是通过以下步骤确定的,所述获取预设目标属性的步骤包括:步骤S201-S203。
步骤S201:模拟所述目标地质的地质结构建立地质模型。
模拟目标地质之前首先需要了解目标地质的基本构造,比如目标地质的地质发育规模,发育的类型,地质的层次结构,根据以往的研究该目标地质是否出现过陷落柱、断层、溶洞等等。然后再根据目标地质的基本构造模拟目标地质建立地质模型。可以理解的是,由于不同地区的地质基本构造的差异,因此对于不同地区所建立的地质模型也不相同。比如,当对A市某一地区的地质结构进行探测,此时根据以往对A市的地质情况的了解,建立与A市地质结构类似的地质模型。又比如,当对B市的某一地区的地质结构进行探测,此时根据以往对B地的地质情况的了解,建立与B市地质结构类似的地质模型。此时,对A市的地质结构建立的地质模型和对B市的地质结构建立的地质模型是不一样的。
步骤S202:对所述地质模型进行正演模拟,得到多种模拟属性。
采用时域有限差分算法,对建立的地质模型进行正演模拟,正演模拟是获得地震反射数据的有效途径,地震反射数据中包含了几何学、运动学、动力学及统计学等多种特征,提取这些特征得到多种模拟属性,所述模拟属性包括:方差、相干、曲率、瞬时相位、瞬时频率、瞬时振幅、主频、均方根振幅等等。
步骤S203:从所述多种模拟属性中确定出所述预设目标属性。
通过步骤S202得到了多种模拟属性,根据多种模拟属性确定出与预设目标属性。请参阅图4,下面结合步骤S301-S302对根据多种模拟属性确定出与预设目标属性进行说明。
步骤S301:对所述多种模拟属性按照波动幅度进行排序;
模拟属性包括:方差、相干、曲率、瞬时相位、瞬时频率、瞬时振幅、主频、均方根振幅等等,每一种属性对于不同的地质结构的变化情况是不一样的,比如在步骤S202建立的地质模型中设置了陷落柱,此时观察各模拟属性在设置的陷落柱位置处的波动情况,根据波动幅度进行排序,可以理解的是,我们可以根据各模拟属性的波动幅度从大到小进行排序,也可以根据各模拟属性的波动幅度从小到大进行排序,对此,本申请不作限定。
步骤S302:基于排序结果从所述多种模拟属性中的筛选出波动幅度最大的N个模拟属性,作为所述预设目标属性,其中,N为大于等于2的整数。
根据上述步骤中获得的排列结果,筛选出波动幅度最大的N个模拟属性,将这N个模拟属性作为预设目标属性,其中N的个数为大于等于2的整数。可以理解的是,N的个数可以是3、4或者5,N的个数应小于模拟属性总的个数。需要说明的是,如果其中的一个模拟属性对于所建立的地质模型探测,属性值几乎没变化,那么该属性应该排除在N之外。比如,对地质模型进行正演模拟后得到7种模拟属性,对7种模拟属性按照波动幅度进行排序,如果其中的3种模拟属性的波动幅度无明显变化,那么N应该为大于等于2且小于等于4的整数。
作为一种可选的实施方式,采用R型聚类方法对属性进行筛选,可以理解的是,对于排序的结果分析其中的相关性,如果其中的两种属性的相关性较大,那么此时只选取其中波动较大的一种属性。下面举例说明,在建立的地质模型中设置了溶洞,对地质模型进行正演模拟后得到瞬时频率、均方根振幅、方差、相位余弦和瞬时振幅五种模拟属性,观察五种属性在设置的溶洞的位置处的波动情况进行排序,此时需要筛选出四种模拟属性作为预设目标属性,由于均方根振幅和瞬时振幅的相关性较大,两种属性对于解释的结果类似,因此只选取其中波动变化大的一种属性,通过R型聚类方法对属性进行筛选,最终选取瞬时频率、均方根振幅、方差、相位余弦这四种模拟属性作为预设目标属性。
根据步骤S302筛选出的N个预设目标属性,此时从所述探测数据中获取与预设目标属性对应的多种相关属性,比如当通过步骤S201-S203确定了四种预设目标属性,即相干、曲率、瞬时相位和瞬时频率属性,那么在实际的探测数据中直接获取这四种相关属性,即从探测数据中直接获取相干、曲率、瞬时相位和瞬时频率这四种属性,无需再获取其他的属性。相应的,当通过步骤S201-S203确定了三种预设目标属性,即曲率、瞬时相位和瞬时频率属性,那么在在实际的探测数据中直接获取这三种相关属性,即从探测数据中直接获取曲率、瞬时相位和瞬时频率这三种属性,无需再获取其他的属性。
可选地,所述预设目标属性包括3种属性。
步骤S103:将所述多种相关属性进行融合,得到融合结果。
将多种相关属性进行融合,可通过多种方法将相关属性进行融合,比如利用RGB色彩融合方法将相关属性进行融合,或者通过聚类算法将地震属性融合。对此,本申请不作限定。
可选地,所述预设目标属性包括3种属性,相应的,从所述探测数据中获取与预设目标属性对应的3种相关属性,再利用RGB色彩融合方法将3种相关属性进行融合。RGB色彩融合方法基于三基色原理,三基色为红色、绿色和蓝色。大多数颜色都可以通过红、绿、蓝按照不同比例产生,为红色、绿色、蓝色分别分配一个0~255的强度值,把它们按照不同比例混合,这样RGB图像就可以产生256*256*256种色彩。
常规属性彩色显示技术通过某种变换将属性数值映射成彩色图像,一次显示一种属性。但对于多个属性,这种单个属性逐一彩色显示方法不能较明显地反映整体地质特征。本申请中,通过RGB色彩融合方法将3种相关属性进行融合。由于不同的属性之间的量纲和值域不同,因此再通过RGB色彩融合方法将3种相关属性进行融合之前,首先要将3种相关属性进行归一化处理,再将三种属性分别赋予红色、蓝色、绿色三种颜色,通过将归一化处理且赋予颜色后的三种属性的属性值通过映射形成RGB图像。形成的RGB图像使图像显示更加清晰,具有特征明显、细节丰富、高信息量和多属性联合显示的特点。
下面结合具体例子进行说明,假设需要探测A市一区的地质特征,此时根据以往对A市的地质情况的了解,建立与A市地质结构类似的地质模型,例如在建立地质模型时设置两处断层,在建立好A市的地质模型后,采用时域有限差分算法,对建立的A市的地质模型进行正演模拟,通过正演模拟获取地震反射数据,根据获取到的地震反射数据,提取多种模拟属性,比如,此时提取到了瞬时相位、瞬时频率、瞬时振幅、方差、均方根振幅这5种模拟属性,此时观察这五种模拟属性在设置的断层位置处的波动情况,将波动情况从大到小排序之后使用R型聚类方法对属性进行筛选,最终筛选出瞬时频率、均方根振幅、方差这3种属性。这3种模拟属性即为预设目标属性。对A市一区的地质进行探测后,直接从探测数据中获取与3种预设目标属性相关属性,即获取瞬时频率、均方根振幅、方差这3种属性,获取3种属性后首先对3中属性进行归一化处理,再将三种属性分别赋予红色、蓝色、绿色三种颜色,通过将归一化处理且赋予颜色后的三种属性的属性值通过映射形成RGB图像。形成后的RGB图像可以更明显的反应A市一区整体的地质特征,且形成后的RGB图像更加清晰,能够提供更多的关于A市一区的地质信息。通过将3种属性融合对A市一区的地质构造进行解释,可以避免单一属性因各种干扰因素产生不确定性误差,降低了人为主观判断。假如此时需要探测A市二区的地质特征,也直接从探测数据中获取与3种预设目标属性相关属性,即获取瞬时频率、均方根振幅、方差这3种属性,再将这三种属性融合完成RGB图像。假如又要探测B市一区的地质特征,那么此时需要重新建立地质模型,重新建立的地质模型应以B市的地质特征为准,为了避免累赘,相同部分可参考上述步骤,在此不再阐述。
本发明提供的一种地质雷达数据解释方法,首先获取对目标地质的探测数据,然后从所述探测数据中获取与预设目标属性对应的多种相关属性,最后将所述多种相关属性进行融合,得到融合结果。与现有技术相比,多种属性融合对地质构造进行解释,可以避免单一属性因各种干扰因素产生不确定性误差,降低了人为主观判断。通过多种属性融合对地质构造进行解释,使解释结果更加精确。
第三实施例
请参阅图5,本实施例提供一种地质雷达数据解释装置110,包括:第一获取模块111、第二获取模块112和融合模块113。
所述第一获取模块111用于获取对目标地质的探测数据,所述第二获取模块112用于从所述探测数据中获取与预设目标属性对应的多种相关属性,所述融合模块113用于将所述多种相关属性进行融合,得到融合结果。
请参阅图6,其中,所述第二获取模块112包括:第一模拟单元1121、第二模拟单元1122和确定单元1123。
所述第一模拟单元1121用于模拟所述目标地质的地质结构建立地质模型,所述第二模拟单元1122用于对所述地质模型进行正演模拟,得到多种模拟属性,所述确定单元1123用于从所述多种模拟属性中确定出所述预设目标属性。
可选地,所述确定单元1123还用于对所述多种模拟属性按照波动幅度进行排序;基于排序结果从所述多种模拟属性中的筛选出波动幅度最大的N个模拟属性,作为所述预设目标属性,其中,N为大于等于2的整数。
可选地,所述确定单元1123中的预设目标属性包括三种属性。
可选地,所述融合模块113还用于利用RGB色彩融合方法将3种相关属性进行融合。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块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。需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (3)
1.一种地质雷达数据解释方法,其特征在于,包括:
获取对目标地质的探测数据;
从所述探测数据中获取与预设目标属性对应的多种相关属性;
将所述多种相关属性进行融合,得到融合结果;
其中,通过以下步骤确定所述预设目标属性:
模拟所述目标地质的地质结构建立地质模型;具体而言,先了解目标地质的基本构造,再根据目标地质的基本构造模拟目标地质建立地质模型;
对所述地质模型进行正演模拟,获得反射数据,提取反射数据中的特征得到多种模拟属性;
从所述多种模拟属性中确定出所述预设目标属性;
所述从所述多种模拟属性中确定出所述预设目标属性,包括:
对所述多种模拟属性按照波动幅度进行排序;
基于排序结果从所述多种模拟属性中筛选出波动幅度最大的N个模拟属性,作为所述预设目标属性,其中,N为大于等于2的整数;
其中,所述预设目标属性包括3种属性,相应地,所述将所述多种相关属性进行融合,包括:
利用RGB色彩融合方法将3种相关属性进行融合;
其中,在所述利用RGB色彩融合方法将3种相关属性进行融合之前,所述方法还包括:
将所述3种相关属性进行归一化处理,将所述3种相关属性分别赋予红色、蓝色、绿色三种颜色。
2.一种电子设备,其特征在于,包括:处理器和存储器,所述处理器和所述存储器耦合;
所述存储器用于存储程序;
所述处理器用于调用存储在所述存储器中的程序,执行所述权利要求1所述的方法。
3.一种存储介质,其特征在于,其上存储有计算机程序,所述计算机程序在被处理器运行时执行如权利要求1所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811309973.8A CN109358323B (zh) | 2018-11-05 | 2018-11-05 | 一种地质雷达数据解释方法、装置,电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811309973.8A CN109358323B (zh) | 2018-11-05 | 2018-11-05 | 一种地质雷达数据解释方法、装置,电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109358323A CN109358323A (zh) | 2019-02-19 |
CN109358323B true CN109358323B (zh) | 2022-01-21 |
Family
ID=65344271
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811309973.8A Active CN109358323B (zh) | 2018-11-05 | 2018-11-05 | 一种地质雷达数据解释方法、装置,电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109358323B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111627035A (zh) * | 2020-04-16 | 2020-09-04 | 浙江大学 | 一种利用小波变换进行探地雷达属性特征融合方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103048689A (zh) * | 2011-10-13 | 2013-04-17 | 陈红兵 | 一种地震多属性hlso融合方法 |
CN103048685A (zh) * | 2011-10-13 | 2013-04-17 | 陈红兵 | 一种地震多属性rgba颜色融合方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
NO322089B1 (no) * | 2003-04-09 | 2006-08-14 | Norsar V Daglig Leder | Fremgangsmate for simulering av lokale prestakk dypmigrerte seismiske bilder |
CN105629304B (zh) * | 2015-12-29 | 2017-10-03 | 中国海洋石油总公司 | 一种基于多属性的砂体叠合模式识别方法 |
CN108318937A (zh) * | 2017-12-29 | 2018-07-24 | 中国石油天然气集团公司 | 地质解释方法和装置 |
-
2018
- 2018-11-05 CN CN201811309973.8A patent/CN109358323B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103048689A (zh) * | 2011-10-13 | 2013-04-17 | 陈红兵 | 一种地震多属性hlso融合方法 |
CN103048685A (zh) * | 2011-10-13 | 2013-04-17 | 陈红兵 | 一种地震多属性rgba颜色融合方法 |
Non-Patent Citations (2)
Title |
---|
四川盆地蜀南地区茅口组储层预测研究;蒋晓迪 等;《天然气勘探与开发》;20140131;第37卷(第1期);37-44 * |
探地雷达属性技术进展;赵文轲 等;《地球物理学进展》;20120630;第27卷(第3期);1262-1267 * |
Also Published As
Publication number | Publication date |
---|---|
CN109358323A (zh) | 2019-02-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Widlowski et al. | The fourth radiation transfer model intercomparison (RAMI‐IV): Proficiency testing of canopy reflectance models with ISO‐13528 | |
Sanyal et al. | Noodles: A tool for visualization of numerical weather model ensemble uncertainty | |
Vika et al. | MegaMorph–multiwavelength measurement of galaxy structure. Sérsic profile fits to galaxies near and far | |
Geer | Significance of changes in medium-range forecast scores | |
Gonga-Saholiariliva et al. | Techniques for quantifying the accuracy of gridded elevation models and for mapping uncertainty in digital terrain analysis | |
Faisst et al. | Constraints on Quenching of Z≲ 2 Massive Galaxies from the Evolution of the Average Sizes of Star-forming and Quenched Populations in COSMOS | |
Bécsy et al. | Exploring realistic nanohertz gravitational-wave backgrounds | |
del Río-Chanona et al. | Trends of the world input and output network of global trade | |
Biscoveanu et al. | Constraining short gamma-ray burst jet properties with gravitational waves and gamma-rays | |
Süveges | Extreme-value modelling for the significance assessment of periodogram peaks | |
Lehtinen et al. | The continuous period search method and its application to the young solar analogue HD 116956 | |
CN108629760A (zh) | 一种遥感影像变化区域检测方法及装置 | |
CN109191408B (zh) | 快速循环地面气象融合方法、装置及服务器 | |
Tamosiunas et al. | Investigating cosmological GAN emulators using latent space interpolation | |
Spriggs et al. | Fornax 3D project: Automated detection of planetary nebulae in the centres of early-type galaxies and first results | |
CN110941933B (zh) | 基于相似理论的复杂电磁环境逼真度评估模型***及方法 | |
US10823782B2 (en) | Ensuring completeness of interface signal checking in functional verification | |
Garsia et al. | The challenge of selecting an appropriate soil organic carbon simulation model: A comprehensive global review and validation assessment | |
CN109358323B (zh) | 一种地质雷达数据解释方法、装置,电子设备及存储介质 | |
Bianco et al. | Deep learning approach for identification of h ii regions during reionization in 21-cm observations–II. Foreground contamination | |
Soares et al. | The dynamic stage of clusters and its influence on the stellar populations of galaxies | |
Wagenveld et al. | The MeerKAT Absorption Line Survey: Homogeneous continuum catalogues towards a measurement of the cosmic radio dipole | |
Huang et al. | Representing and reducing error in natural‐resource classification using model combination | |
Norris et al. | Towards monitoring biodiversity in Amazonian Forests: how regular samples capture meso-scale altitudinal variation in 25 km2 plots | |
US8437557B2 (en) | Auto classifying images as “image not available” images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |