地質(zhì)空間三維動態(tài)建模關(guān)鍵技術(shù)研究.pdf

1、地質(zhì)空間是一個非均質(zhì)（nonhomogeneous）、非參數(shù)化（nonparametic），非直見性（non-eyeable）的三維空間，該空間中的三維地質(zhì)體動態(tài)建模技術(shù)正成為三維空間信息技術(shù)領(lǐng)域的研究熱點(diǎn)問題，也是當(dāng)今三維空間信息技術(shù)中的難點(diǎn)問題之一。 本文從三維地質(zhì)空間的固有屬性分析出發(fā)，對三維地質(zhì)空間認(rèn)知問題、三維地質(zhì)體數(shù)據(jù)結(jié)構(gòu)、三維地質(zhì)建模體系與方法等關(guān)鍵問題進(jìn)行了分析研究；并在三維地質(zhì)體數(shù)據(jù)結(jié)構(gòu)、三維地質(zhì)體動態(tài)構(gòu)模算法

2、、三維地質(zhì)體模型的插值擬合算法、三維地質(zhì)體模型的簡化算法以及三維混合空間索引方法等方面進(jìn)行了深入探討，提出了多種有效的算法，本文的主要研究內(nèi)容包括： （1）通過對地質(zhì)空間性質(zhì)的歸納總結(jié)，提出地質(zhì)空間的“非均質(zhì)性、非參數(shù)化，非直見性”的三個特性和三維地質(zhì)空間的“混合空間認(rèn)知模型”；并基于該空間認(rèn)知提出了“EBRIM 集成數(shù)據(jù)結(jié)構(gòu)模型”。 （2）對三維地質(zhì)空間中基于鉆孔、基于剖面和基于散點(diǎn)的三維地質(zhì)體動態(tài)建模方法進(jìn)行研究；提

3、出了“基于鉆孔的連續(xù)地層序列匹配動態(tài)建模算法”，該算法通過首先對整個研究區(qū)地層出現(xiàn)情況進(jìn)行分析判斷，自動生成該研究區(qū)域的標(biāo)準(zhǔn)連續(xù)的地層字典，然后通過鉆孔與字典的按照一定規(guī)則的動態(tài)匹配，實(shí)現(xiàn)鉆孔地層自動對比與連接，有效的解決了在有斷層和地層尖滅情況下基于鉆孔的自動建模問題。 （3）提出了“基于非共面剖面拓?fù)渫评淼娜S地質(zhì)體動態(tài)重構(gòu)算法”；該算法將拓?fù)渫评硪肴S地質(zhì)體動態(tài)建模過程中，實(shí)現(xiàn)了無拓?fù)渥兓?、地層尖滅、地層分叉情況和斷層滑

4、移等四種情況的拓?fù)渫评碜詣优袆e與剖面自動對比構(gòu)模，實(shí)現(xiàn)了這四種情況下基于任意剖面序列的三維地質(zhì)體自動重構(gòu)。 （4）提出了“基于凸包剪切與限定散點(diǎn)集剖分的動態(tài)重構(gòu)算法”；該算法首先將地質(zhì)鉆孔或剖面等數(shù)據(jù)進(jìn)行離散插值，并將相關(guān)地質(zhì)信息作為邊界限定條件附加在散點(diǎn)集上，然后對離散點(diǎn)集合進(jìn)行地質(zhì)年代分類，并計算每類點(diǎn)集的最小凸包，再對這些凸包集按照地質(zhì)年代順序相互循環(huán)裁剪并進(jìn)行剖分得到混合地質(zhì)體模型，最后建立模型拓?fù)潢P(guān)系并進(jìn)行模型面片與體

5、元簡化。該算法在實(shí)現(xiàn)地質(zhì)體自動構(gòu)模的情況解決了面模型不支持自動構(gòu)模，而支持自動構(gòu)模的體元剖分構(gòu)模又由于數(shù)據(jù)量巨大而不具有實(shí)用性的問題。 （5）提出了“基于TIN和NURBS的虛擬鉆孔插值算法”，該算法將NURBS 曲面反算插值引入虛擬鉆孔插值中，改進(jìn)了以往單純的基于TIN的虛擬鉆孔插值算法構(gòu)面比較粗糙的問題；提出了基于剖面拓?fù)渫评淼奶摂M剖面插值算法，較好的解決了在無拓?fù)渥兓⒌貙蛹鉁?、地層分叉情況和斷層滑移等四種情況下虛擬剖面自

6、動生成問題。 （6）提出了任意維通用網(wǎng)格GM 以及“基于Simplex-Collapse的GM 簡化算法，GMS”，實(shí)現(xiàn)了多種不同網(wǎng)格的統(tǒng)一簡化算法，同時基于Simplex-Collapse的GMS比以往基于Edge-Collapse的簡化算法具有更高的簡化效率。 （7）通過對R-Tree，Packed R-Tree，R+-Tree，R*-Tree 以及Hilbert R-Tree的分析比較，提出了一種新的索引方法，CS

7、R-Tree（Clustered Sorting Record Tree）索引方法；該算法首先通過空間對象距離相似性聚類，然后對聚類的各個分量集合進(jìn)行X、Y、Z 方向的掃描排序，選取兩兩距離累積最小的方向?qū)Ξ?dāng)前分量進(jìn)行升序排序；然后在對分量集合的中心點(diǎn)進(jìn)行X、Y、Z 方向的掃描排序，選取兩兩距離累積最小的方向?qū)Ψ至考系募线M(jìn)行升序排序，最后遞歸構(gòu)造CSR-Tree。該算法充分考慮了空間對象的相鄰相關(guān)性，有限減小了節(jié)點(diǎn)矩形面積，降低了節(jié)

8、點(diǎn)矩形交疊概率，提高了R-Tree的查詢效率。 （8）提出了Grid+CSR-Tree 三維混合索引方法（Mix Grid Clustering SortingRecord Tree，MGCSR-Tree）；該方法通過兩級索引機(jī)制將大量空間對象的索引項(xiàng)有機(jī)地組織到各個桶文件及其對應(yīng)的MGCSR-Tree中，既降低了存儲開銷，又提升了索引的操作效率。 上述算法與方法已多個實(shí)際項(xiàng)目中使用，取得了較好的實(shí)際效果；證明了上述算法