科研动态 │ 我院侯卫生副教授在TUST上发表文章：耦合深度神经网络和多点统计学方法的地质结构三维重建：以广州市某地铁站为例

       大比例尺、高精度地质结构的三维重建对建设数字孪生城市、实现城市可持续发展具有重要意义。然而，数据的稀疏性、地质结构的复杂性致使三维地质结构重建面临诸多困境。因此，如何从少量地质数据中识别地质对象几何成为解决上述问题的核心。近年来，深度学习理论获得了飞速发展，并被广泛用于图像识别、补全和重建中，有潜力为解决复杂地质结构的三维重建提供思路。

       我院侯卫生副教授团队针对地铁工程中的地质数据局部密度高、数据样本少特点，提出了一种融合全连接深度神经网络（FCDNN）与多点统计学（MPS）的三维地质结构重建方法，其基本思路见图1。该研究提出了以地质对象高程为核心参量的FCDNN核函数及其相应人工神经网络架构，建立了地层层序约束下的FCDNN与MPS相融合的地质结构三维重建损失函数。该方法以二维地质剖面作为建模数据源，以FCDNN网络构建初始三维模型，采用多尺度迭代MPS方法实现三维地质结构的优化。

图1 融合FCDNN与MPS的三维地质建模方法基本思路

       广州11号线某地铁站址建模实例表明：所建立的三维模型细致刻画了为该站址的地层和断裂结构（见图2），尤其是断裂内不同岩性的分布为地铁工程设计提供了精细的结构。该研究成果搭建了一个融合深度人工神经网络和MPS的三维地质建模框架，实现了小样本数据条件深度人工神经网络的复杂地质结构重建，突破了传统的MPS方法中局部优化的局限，为建立高精度三维地质模型提供了一个新思路。

图2 钻孔岩心对比（左为每个钻孔的真实岩心，右为模拟结果）

该项目研究受国家自然科学基金、南方海洋实验室创新计划等项目的支持。论文信息如下：

Hou W., Chen Y., Liu H., Xiao F., Liu C., Wang D., 2023. Reconstructing Three-dimensional Geological Structures by the Multiple-point Statistics Method Coupled with a Deep Neural Network: A Case Study of a Metro Station in Guangzhou, China. Tunnelling and Underground Space Technology, 136: 105089. DOI: https://doi.org/10.1016/j.tust.2023.105089

图文：侯卫生

编辑：吕娟霞

初审：黄荣

审核：张照

审核发布：何晓钟