一种自适应八叉树三维地质属性模型压缩方法与流程
本技术涉及地质数据处理,具体公开了一种自适应八叉树三维地质属性模型压缩方法。
背景技术:
1、三维地质属性模型作为地下地质结构物化属性的关键表达形式,对于矿产勘探、地下工程设计和地质环境研究具有重要意义。三维地质属性体素模型被广泛用于表示孔隙度、渗透率等连续空间变量在地下空间中的分布。然而,随着模型分辨率的提高,其体素数量呈指数增长,导致数据存储、传输及可视化处理面临显著压力。尤其在高精度地质建模场景中,单一分辨率体素格网往往包含大量冗余信息,而简单的降采样(降低分辨率)方法又会导致关键属性区域的局部特征被忽略,从而影响模型的保真度。如何在保证数值精度和地质特征保真度的前提下,有效压缩三维地质属性模型成为亟需解决的核心问题。
2、对于数据压缩方法采用八叉树方法进行,例如文献一种八叉树三维模型等级归并数据压缩方法,以八叉树法为基础,对八叉树进行均分,确定每个结点的编号、等级、结点的属性以及结点的方向属性值,然后通过共同面的判定按次序依次对等级为(0,0),等级为(1,1),等级为(0,2)的实结点进行等级归并,极大地减少了实结点的数目,从而较好的实现了数据压缩,结合线性八叉树编码以及三维行程编码它可以极大地的降低数据的存储量,更好的实现对数据的压缩存储。
3、但是,由于地质属性(如孔隙度、渗透率)通常呈现明显的空间非均质性,在局部区域(如矿化富集区或断层影响带)表现为剧烈的梯度变化,现有的压缩方法针对大规模数据在精度与效率之间的平衡性差,且在压缩时属性的空间异质性特征无法得到保留。
技术实现思路
1、本发明的目的在于解决现有方法在属性的空间异质性特征无法得到保留的问题。
2、为了达到上述目的,本发明的基础方案提供一种自适应八叉树三维地质属性模型压缩方法,包括以下步骤:步骤1,将获取的原始体素数据三维格网映射形成三维离散数组,对原始体素数据中具有强偏态分布特性的地质属性字段进行对数变换预处理,得到三维属性模型;步骤2,定义量化体素数据三维格网内的体素块局部属性复杂度与数值误差的指标,指标基于归一化标准差、归一化平均梯度强度、归一化信息熵、方向无序度计算综合局部属性复杂度函数,为八叉树提供合并依据;步骤3,将三维属性模型作为八叉树根节点,在逻辑上进行递归等分,每次将其划分为八个尺寸相等的子节点,直至达到单个体素的最细粒度得到叶节点,基于局部属性复杂度构建自适应八叉树,采用深度优先搜索执行自底向上的递归判定,依次判断子块是否满足合并条件从而合并为其父块,实现体素的聚合与多尺度表示,同时建立面向地质属性特征保留的定量评估体系,生成自适应八叉树属性压缩模型。
3、本基础方案的原理及效果在于:针对三维地质属性模型存在的存储冗余问题,通过集成属性变化强度、信息熵及结构张量各向异性,构建了多维属性复杂度函数;在此基础上,建立了属性数值误差约束的自底向上八叉树递归合并准则,并引入边界惩罚项,确保在大幅压缩数据规模的同时,自适应地保留关键空间异质性特征与地质属性边界。本方法克服了传统均匀降采样导致的信息平滑局限,实现了三维地质属性模型的高效压缩。
4、进一步,所述步骤1中,所述三维格网映射的包括以下子步骤:子步骤1.1,将所用的原始体素数据以线性记录形式存储,每条线性记录表示为:
5、;
6、其中,为体素中心的物理空间坐标,为对应位置的地质属性值;子步骤1.2,建立物理空间坐标与离散整数索引之间的正向映射关系,通过获取三维地质属性模型在三个空间方向的体素间距及空间原点,利用基于取整的坐标索引映射公式进行空间坐标到离散整数索引的转换,各个坐标索引映射公式分别为:
7、;
8、;
9、;
10、由此转换得到供寻址的三维离散数组;子步骤1.3,将三维离散数组在三个维度上的尺寸扩展至形式,扩展区域采用nan进行填充,并作为有效性掩码参与后续计算。
11、有益效果是:扩展的操作,能够保证统计量仅基于真实观测数据计算,不受缺失值的影响。
12、进一步,所述步骤2中,所述归一化标准差为根据体素数量计算得到的标准差,将标准差进行与梯度一致的归一化处理映射至[0,1]区间得到,表示为:
13、;
14、其中,为体素数量b的标准差,为依据全局属性取值范围估算得到的理论最大标准差,为引入的极小正数;
15、所述归一化平均梯度强度为将体素块内的平均梯度强度归一化处理映射至[0,1]区间得到,表示为:
16、;
17、其中,为体素块内的平均梯度强度,为基于全局属性极差与最小体素间距计算得到的全局最大梯度强度,为引入的极小正数;
18、所述归一化信息熵为对体素块内属性值构建直方图分布,基于自然对数定义基础信息熵,对基础信息熵归一化得到,表示为:
19、;
20、其中,为基础信息熵,为当体素块属性在所有分箱中均匀分布时的信息熵最大值,k为分箱数;
21、所述方向无序度为对各向异性指标取反得到,表示为:
22、;
23、其中,各向异性指标表示为,、分别为基于梯度的结构张量的最大特征值和最小特征值,为引入的极小正数。
24、有益效果是:通过对多个指标的计算,能够从属性变化强度、局部波动性以及分布复杂性等多个角度刻画体素块的空间异质性特征。
25、进一步,所述步骤2中,所述体素块内的平均梯度强度计算过程为:先定义地质体属性场的属性梯度为:
26、;
27、再基于属性梯度计算体素块内的平均梯度为:
28、;
29、其中,为第p个体素块的模值。
30、有益效果是:通过属性梯度的定义,能够刻画地质体属性的空间变化特征。
31、进一步,所述步骤2中,所述基于梯度的结构张量为对梯度分量进行了去均值化处理,得到梯度分量,则结构张量表示为:
32、;
33、计算结构张量的特征值,并按降序排列得到。
34、有益效果是:通过结构张量的设置,能够准确刻画出地质属性在局部区域内的空间方向结构,并消除局部恒定梯度(即线性趋势)对方向变异性统计的干扰。
35、进一步,所述步骤2中,所述综合局部属性复杂度函数表示为:
36、;
37、其中,为归一化平均梯度强度,为归一化标准差,为归一化信息熵,为方向无序度,、、、权重系数满足。
38、有益效果是:通过综合局部属性复杂度函数能够从变化强度、局部波动性、属性复杂度以及方向结构特征等多个角度刻画体素块的空间异质性。
39、进一步,所述步骤2中,对综合局部属性复杂度函数加入边界感知惩罚,表示为:
40、;
41、其中,为惩罚系数,取值范围为[0,1],为块内有效体素比例,即非缺失值体素数量占总数的比值。
42、有益效果是:在实际地质数据处理中,由于边界区域及缺失值nan普遍存在,边界感知惩罚的加入,能够降低无效区域对统计结果的影响,动态放大了边界区域的局部复杂度,在地质属性模型的外围边缘保留更高的格网分辨率,进而保留不规则的地质属性边界,避免了因边缘区域过度合并而产生的块状伪影。
43、进一步,所述步骤3中,所述递归判定依次判断子块是否满足合并条件从而合并为其父块的过程包括以下子步骤:
44、子步骤3.1,初始化叶节点,在递归深度达到最大,且当前节点对应体素块尺寸为1时,将其视为叶节点,同时,由有效体素向父级返回其属性值,并返回允许合并的信息,缺失值nan仅作为掩码存在,直接向父级返回拒绝合并的信息;
45、子步骤3.2,收集子节点状态,在回溯阶段,父节点必须等待其内部的8个子节点全部完成遍历并返回状态,若8个子节点中有任何一个子块拒绝合并,则父节点将立即终止当前分支的聚合操作,同时,该8个子节点直接各自作为独立的的子块直接压入最终结果集;
46、子步骤3.3,计算局部属性特征,当8个子节点都同意合并时,开始计算父块内部特征,父块内属性缺失的nan位置仅在步骤2梯度计算阶段进行临时填充,填充值由块内有效体素均值计算得来;
47、子步骤3.4,模型边界保护,在执行合并判定前,首先检查父块内的有效体素数量,若块内有效体素不足预设最低体素数量阈值,则视为极度稀疏区域,直接返回合并失败,对于满足最低数量要求的体素块,基于有效体素比例计算边界惩罚系数,动态放大边缘区域的复杂度指标;
48、子步骤3.5,合并判定,判定前先计算父块的综合局部属性复杂度c(b),子块合并必须满足误差约束,在综合局部属性复杂度c(b)满足预设的约束合并条件时才进行合并;
49、子步骤3.6,复杂度一致性检查,在满足约束合并条件时,对父子块间属性复杂度按照一致性检查条件进行一致性检查;
50、子步骤3.7,节点合并与坐标映射,满足子步骤3.5和3.6的所有合并条件时,节点执行合并,以父块内有效子体素属性均值作为合并后父体素属性值,并继续向上传递允许合并状态,否则保留子节点结构终止该分支的后续合并,最终输出一组不等尺度的体素块集合,得到自适应八叉树。
51、有益效果是:通过递归合并步骤,将属性变化平缓的细粒度子块合并为更高层级的粗粒度父块,从而在保留局部关键属性特征的同时减少数据冗余,最终生成非均匀分布的多尺度体素集合。
52、进一步,所述子步骤3.5中,所述约束合并条件为,对于任意体素块b,判断加入边界感知惩罚后的综合局部属性复杂度函数满足:;其中,为属性复杂度阈值;所述子步骤3.6中,所述一致性检查条件为:
53、;
54、其中,为当前父块所属8个子节点块的复杂度指标集合,为容差参数。
55、有益效果是:通过这样的约束机制能够有效避免属性突变区域被过度平滑,实现地质属性特征的保真,并能够有效检测父块复杂度的异常升高,避免出现父块属性复杂度高于子块的不合理现象,在压缩过程中有效保留局部属性变化特征。
56、进一步,所述子步骤3.7中,对于三维属性模型中尺寸为s、起始索引为的体素块,其空间左下顶点坐标的逆向映射公式为:;
57、其中,为体素左下顶点,为原始体素间距。
58、有益效果是:通过建立体素块与空间位置的精确对应关系,便于后续对模型进行三维可视化,并保证八叉树多分辨率表达下的空间一致性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com