一种利用3D多属性融合技术预测灰岩裂隙带的方法及系统与流程

一种利用3d多属性融合技术预测灰岩裂隙带的方法及系统
技术领域
1.本发明涉及多属性融合预测技术领域，具体涉及一种利用3d多属性融合技术预测灰岩裂隙带的方法及系统。


背景技术：

2.目前煤矿随着开采深度的增加，底板灰岩岩溶裂隙性含水层富水性复杂，加之地质构造条件复杂，因此，灰岩含水层富水特征及突水危险性预测是深部安全绿色开采亟待解决的问题。
3.岩层属性是指从岩层数据中提取出来的运动学、动力学和统计学岩层特殊测量值，过去的文献常称为岩层特征参数，现在已统称为岩层属性。岩层属性技术是指提取、显示、分析和评价岩层属性的技术，在煤田岩层勘探中包括岩层属性的提取、岩层属性的分析、利用岩层属性区分构造、岩性并进行目的层预测。岩溶裂隙发育带的岩层响应特征很复杂，但是仍可以引起运动学和动力学特征的变化，根据这些特征变化提取岩层属性参数预测岩溶裂隙发育情况。目前对灰岩含水层富水特征及突水危险性的预测只能做到定性预测，并且采用预测方法是通过手工对原始资料进行计算统计，因此存在数据量大、计算繁琐、计算误差大、容易出错以及工作效率低等问题。
4.因此，目前迫切需要开发出一套对灰岩岩溶裂隙带发育情况进行高效、准确且能定量分析的技术方案。


技术实现要素：

5.为了克服现有技术的不足，本发明提供一种利用3d多属性融合技术预测灰岩裂隙带的方法及系统，用于解决现有技术在预测灰岩裂隙带发育情况时，只能进行定性分析，并且计算繁琐、计算误差大、容易出错以及工作效率低等问题，从而达到提供一种高效、高准确率且能进行定量分析的预测方法及系统的目的。
6.为解决上述问题，本发明所采用的技术方案如下：
7.一种利用3d多属性融合技术预测灰岩裂隙带的方法，包括以下步骤：
8.建立第一多元回归数学模型和第二多元回归数学模型；
9.采集若干第一自变量观测值、若干第二自变量观测值、若干第一因变量观测值以及若干第二因变量观测值；
10.根据所述若干第一自变量观测值和所述若干第一因变量观测值得到第一多元回归数学模型中的第一待定系数值；
11.根据所述若干第二自变量观测值和所述若干第二因变量观测值得到第二多元回归数学模型中的第二待定系数值；
12.根据所述第一因变量预测值和所述第二因变量预测值，将所述第一待定系数值和所述第二待定系数值代入所述第一多元回归数学模型和所述第二多元回归数学模型中，并根据所述第一自变量观测值和所述第二自变量观测值分别得到所述第一因变量预测值和
所述第二因变量预测值；
13.对所述第一多元回归数学模型和所述第二多元回归数学模型的可信度进行检验，确定最终的第一多元回归数学模型和第二多元回归数学模型；
14.根据所述最终的第一多元回归数学模型和第二多元回归数学模型输出的因变量预测值对灰岩裂隙带进行预测。
15.作为本发明优选的实施方式，在确定第一多元回归数学模型中的第一待定系数值时，包括：
16.假设因变量y受m个自变量x1，x2，
…
，xn的影响，得到一经验回归方程，具体如公式1所示：
[0017][0018]
假设所述经验回归方程上有n组的第一自变量观测值和第一因变量观测值，根据n组观测值和最小二乘法得到最小二乘法方程组，具体如公式2所示：
[0019]
b0n b1σx
1i
b2σx
2i

…
bmσx
mi
＝σyi[0020]
b0σx
1i
b1σx
1i2
b2σx
1i
x
2i

…
bmσx
1i
x
mi
＝σx
1iyi (2)；
[0021]
…………………………
[0022]
b0σx
mi
b1σx
mi
x
1i
b2σx
mi
x
2i

…
bmσx
mi2
＝σx
mi
yi[0023]
式中，σ是i＝1到n的求和，(x
1i
，x
2i
，
…
，x
mi
；yi)是n组观测值；
[0024]
将所述最小二乘法方程组写成矩阵形式，具体如公式3所示：
[0025]
x
t
xb＝x
t
y (3)；
[0026]
式中，x
t
是x的转置矩阵，b是所求待定系数向量，y是已知因变量数据向量；
[0027]
根据所述矩阵形式得到所述第一待定系数值。
[0028]
作为本发明优选的实施方式，在建立所述第一多元回归数学模型和得到所述第一因变量预测值时，包括：
[0029]
将得到所述第一待定系数值代入所述第一多元回归数学模型，完成所述第一多元回归数学模型的建立，具体如公式4所示：
[0030][0031]
将所述第一自变量观测值代入所述第一多元回归数学模型，得到所述第一因变量预测值。
[0032]
作为本发明优选的实施方式，在确定第二多元回归数学模型中的第二待定系数值时，包括：
[0033]
将所述第二多元回归数学模型转化为多元线性回归模型；
[0034]
获得所述多元线性回归模型的残差平方和；
[0035]
对所述残差平方和求偏导数，得到正规方程组；
[0036]
求解所述正规方程组得到所述第二待定系数值。
[0037]
作为本发明优选的实施方式，在将所述第二多元回归数学模型转化为多元线性回归模型时，包括：
[0038]
所述第二多元回归数学模型，具体如公式5所示：
[0039][0040]
令所述第二多元回归数学模型中x1＝x，x2＝y，x3＝x2，x4＝xy，x5＝y2，
…
；
[0041]
则所述第二多元回归数学模型可转化为多元线性回归模型，具体如公式6所示：
[0042][0043]
式中，p是自变量个数。
[0044]
作为本发明优选的实施方式，获得所述多元线性回归模型的残差平方和，具体如公式7所示：
[0045][0046]
求q对a0，a1，
…
，a
p
的偏导数，得到正规方程组。
[0047]
作为本发明优选的实施方式，所述正规方程组，具体如公式8所示；
[0048][0049]
采用矩阵求逆法对所述正规方程组进行求解，得到所述第二多元回归数学模型。
[0050]
作为本发明优选的实施方式，在对可信度进行检验时，包括：
[0051]
获得所述第一多元回归数学模型和所述第二多元回归数学模型的拟合优度和相关系数，具体如公式(9)和公式(10)所示：
[0052][0053]
式中，ssr是回归偏差平方和，ss
t
是总离差平方和，ssd是剩余偏差平方和；
[0054][0055]
作为本发明优选的实施方式，在对可信度进行检验时，包括：
[0056]
获得所述第一多元回归数学模型和所述第二多元回归数学模型的f检验和校正的可决系数，具体如公式(11)和公式(12)所示：
[0057][0058][0059]
一种利用3d多属性融合技术预测灰岩裂隙带的系统，包括：
[0060]
模型建立与观测值采集单元：用于建立第一多元回归数学模型和第二多元回归数学模型；并采集若干第一自变量观测值、若干第二自变量观测值、若干第一因变量观测值以
及若干第二因变量观测值；
[0061]
待定系数值获取单元：用于根据所述若干第一自变量观测值和所述若干第一因变量观测值得到第一多元回归数学模型中的第一待定系数值；并根据所述若干第二自变量观测值和所述若干第二因变量观测值得到第二多元回归数学模型中的第二待定系数值；
[0062]
因变量预测值获取单元：用于将所述第一待定系数值和所述第二待定系数值代入所述第一多元回归数学模型和所述第二多元回归数学模型中，并根据所述第一自变量观测值和所述第二自变量观测值分别得到所述第一因变量预测值和所述第二因变量预测值；
[0063]
检验与预测单元：用于根据所述第一因变量预测值和所述第二因变量预测值，对所述第一多元回归数学模型和所述第二多元回归数学模型的可信度进行检验，确定最终的第一多元回归数学模型和第二多元回归数学模型；并根据所述最终的第一多元回归数学模型和第二多元回归数学模型输出的因变量预测值对灰岩裂隙带进行预测。
[0064]
相比现有技术，本发明的有益效果在于：
[0065]
(1)本发明通过构建数学模型并利用3d多属性融合技术，从而实现对灰岩裂隙带的发育情况进行定量预测，从而有效提高预测结果的准确性；
[0066]
(2)本发明解决了现有的手工计算过程繁琐麻烦、误差大、极容易出错、工作缓慢、质量低以及效率差等的问题，从而有效地节约了人力成本，提高了预测的工作效率；
[0067]
(3)本发明由于其可操作性高、并且预测结果准确，从而能有效增强对地质的指导性。
[0068]
下面结合附图和具体实施方式对本发明作进一步详细说明。
附图说明
[0069]
图1-是本发明实施例的3d多属性融合预测灰岩裂隙带计算程序框图；
[0070]
图2-是本发明实施例的(o2)数学模型框图；
[0071]
图3-是本发明实施例的(o2)数学模型预测框图界面；
[0072]
图4-是本发明实施例的利用模型预测(o2)相关因变量框图；
[0073]
图5-是本发明实施例的利用数学模型预测因变量结果框图；
[0074]
图6-是本发明实施例的(c1)数学模型预测框图界面；
[0075]
图7-是本发明实施例的(c1)数学模型预测成果框图；
[0076]
图8-是本发明实施例的利用模型预测(c1)相关因变量框图；
[0077]
图9-是本发明实施例的利用模型预测(c1)相关因变量结果框图；
[0078]
图10-是本发明实施例的拟合优度和相关系数计算框图；
[0079]
图11-是本发明实施例的拟合优度和相关系数计算结果框图；
[0080]
图12-是本发明实施例的f检验与校正可决系数计算框图；
[0081]
图13-是本发明实施例的f检验与校正可决系数计算结果框图；
[0082]
图14-是本发明实施例的利用3d多属性融合技术预测灰岩裂隙带的方法步骤图。
具体实施方式
[0083]
本发明所提供的利用3d多属性融合技术预测灰岩裂隙带的方法，如图14所示，包括以下步骤：
[0084]
步骤s1：建立第一多元回归数学模型和第二多元回归数学模型；
[0085]
步骤s2：采集若干第一自变量观测值、若干第二自变量观测值、若干第一因变量观测值以及若干第二因变量观测值；
[0086]
步骤s3：根据若干第一自变量观测值和若干第一因变量观测值得到第一多元回归数学模型中的第一待定系数值；
[0087]
步骤s4：根据若干第二自变量观测值和若干第二因变量观测值得到第二多元回归数学模型中的第二待定系数值；
[0088]
步骤s5：将第一待定系数值和第二待定系数值代入第一多元回归数学模型和第二多元回归数学模型中，并根据第一自变量观测值和第二自变量观测值分别得到第一因变量预测值和第二因变量预测值；
[0089]
步骤s6：根据第一因变量预测值和第二因变量预测值，对第一多元回归数学模型和第二多元回归数学模型的可信度进行检验，确定最终的第一多元回归数学模型和第二多元回归数学模型；
[0090]
步骤s7：根据最终的第一多元回归数学模型和第二多元回归数学模型输出的因变量预测值对灰岩裂隙带进行预测。
[0091]
在上述步骤s3中，在确定第一多元回归数学模型中的第一待定系数值时，包括：
[0092]
假设因变量y受m个自变量x1，x2，
…
，xn的影响，得到一经验回归方程，具体如公式1所示：
[0093][0094]
假设经验回归方程上有n组的第一自变量观测值和第一因变量观测值，根据n组观测值和最小二乘法得到最小二乘法方程组，具体如公式2所示：
[0095]
b0n b1σx
1i
b2σx
2i

…
bmσx
mi
＝σyi[0096]
b0σx
1i
b1σx
1i2
b2σx
1i
x
2i

…
bmσx
1i
x
mi
＝σx
1iyi (2)；
[0097]
…………………………
[0098]
b0σx
mi
b1σx
mi
x
1i
b2σx
mi
x
2i

…
bmσx
mi2
＝σx
mi
yi[0099]
式中，σ是i＝1到n的求和，(x
1i
，x
2i
，
…
，x
mi
；yi)是n组观测值；
[0100]
将所述最小二乘法方程组写成矩阵形式，具体如公式3所示：
[0101]
x
t
xb＝x
t
y (3)；
[0102]
式中，x
t
是x的转置矩阵，b是所求待定系数向量，y是已知因变量数据向量；
[0103]
根据矩阵形式得到所述第一待定系数值。
[0104]
在上述步骤s5中，在建立第一多元回归数学模型和得到第一因变量预测值时，包括：
[0105]
将得到第一待定系数值代入第一多元回归数学模型，完成第一多元回归数学模型的建立，具体如公式4所示：
[0106][0107]
将第一自变量观测值代入第一多元回归数学模型，得到第一因变量预测值。
[0108]
在上述步骤s4中，在确定第二多元回归数学模型中的第二待定系数值时，包括：
[0109]
将第二多元回归数学模型转化为多元线性回归模型；
[0110]
获得多元线性回归模型的残差平方和；
[0111]
对残差平方和求偏导数，得到正规方程组；
[0112]
求解正规方程组得到第二待定系数值。
[0113]
进一步地，在将第二多元回归数学模型转化为多元线性回归模型时，包括：
[0114]
第二多元回归数学模型，具体如公式5所示：
[0115][0116]
令第二多元回归数学模型中x1＝x，x2＝y，x3＝x2，x4＝xy，x5＝y2，
…
；
[0117]
则第二多元回归数学模型可转化为多元线性回归模型，具体如公式6所示：
[0118][0119]
式中，p是自变量个数。
[0120]
进一步地，获得多元线性回归模型的残差平方和，具体如公式7所示：
[0121][0122]
求q对a0，a1，
…
，a
p
的偏导数，得到正规方程组。
[0123]
更进一步地，正规方程组，具体如公式8所示；
[0124][0125]
采用矩阵求逆法对正规方程组进行求解，得到第二多元回归数学模型。
[0126]
在上述步骤s6中，在对可信度进行检验时，包括：
[0127]
获得第一多元回归数学模型和第二多元回归数学模型的拟合优度和相关系数，具体如公式(9)和公式(10)所示：
[0128][0129]
式中，ssr是回归偏差平方和，ss
t
是总离差平方和，ssd是剩余偏差平方和；
[0130][0131]
利用上述公式(9)和公式(10)进行计算，可得到拟合优度和相关系数，对拟合优度和相关系数的值进行分析：
[0132]
拟合优度与相关系数的取值范围都在[0,1]，其值越接近于1，其拟合度越高,相关性越好。
[0133]
在上述步骤s6中，在对可信度进行检验时，包括：
[0134]
获得第一多元回归数学模型和第二多元回归数学模型的f检验和校正的可决系
数，具体如公式(11)和公式(12)所示：
[0135][0136][0137]
当所计算的f值小于查表值时，则多元回归数学模型的可信度不满足要求，这时应重新模拟建立数学模型。
[0138]
校正的可决系数仅用于说明与自变量个数的关系，其个数越多，与拟合优度相比其值越小。
[0139]
本发明所提供的利用3d多属性融合技术预测灰岩裂隙带的系统，包括：
[0140]
模型建立与观测值采集单元：用于建立第一多元回归数学模型和第二多元回归数学模型；并采集若干第一自变量观测值、若干第二自变量观测值、若干第一因变量观测值以及若干第二因变量观测值；
[0141]
待定系数值获取单元：用于根据若干第一自变量观测值和若干第一因变量观测值得到第一多元回归数学模型中的第一待定系数值；并根据若干第二自变量观测值和若干第二因变量观测值得到第二多元回归数学模型中的第二待定系数值；
[0142]
因变量预测值获取单元：用于将第一待定系数值和第二待定系数值代入第一多元回归数学模型和第二多元回归数学模型中，并根据第一自变量观测值和第二自变量观测值分别得到第一因变量预测值和第二因变量预测值；
[0143]
检验与预测单元：用于根据第一因变量预测值和第二因变量预测值，对第一多元回归数学模型和第二多元回归数学模型的可信度进行检验，确定最终的第一多元回归数学模型和第二多元回归数学模型；并根据最终的第一多元回归数学模型和第二多元回归数学模型输出的因变量预测值对灰岩裂隙带进行预测。
[0144]
具体地，三维地震属性可视化分析主要包括：属性提取与分析、三维可视化以及构造解释三部分，通过三维可视化解释与地震属性研究技术的结合对隐蔽性地质问题进行研究，是从多角度进行地质问题识别、描述以及评价的有效工具。其中属性提取包括体属性、层面属性、顺层属性、层间属性、地层体属性、滤波属性六大类。本发明对上述技术进行了整合，并依次提取了太灰(c1)、奥灰(o2)层段数10余种三维地震属性，开发出了一种利用3d多属性融合技术预测灰岩裂隙带的方法及系统，其具有计算迅速准确、操作简单等优点，其具体的使用方法如下：
[0145]
1、建立(o2)数学模型
[0146]
使用步骤：(1)打开应用程序后，具体如图1所示，点击“建立(o2)多元回归数学模型”按键，出现图2界面。按提示依次录入x1i、x2i、x3i、x4i、x5i实测自变量观测值，每录入一个观测值按一次空格键，录完所有观测值后，还要按一次空格键，按tab键或用鼠标点击换行；(2)然后按以上方法，录入实测因变量观测值yi；(3)录完所有数据后，按回车或计算键，输出结果见图3。
[0147]
2、利用(o2)数学模型预测所求变量
[0148]
点击(图1)“利用模型预测(o2)相关因变量”按键后，出现图4界面。
[0149]
使用步骤：(1)打开应用程序后，按提示依次录入x1i、x2i、x3i、x4i、x5i实测自变量观测值，每录入一个观测值按一次空格键，录完所有观测值后，还要按一次空格键，按tab键或用鼠标点击换行；(2)然后按以上方法，录入由上述计算的待定系数“bi”数值；(3)录完所有数据后，按回车或计算键，输出结果见图5。
[0150]
3、建立(c1)数学模型
[0151]
使用步骤：(1)打开应用程序后，如图1所示，点击“建立(c1)多元回归数学模型”按键，出现图6界面，按提示依次录入x1i、x2i、x3i实测自变量观测值，每录入一个观测值按一次空格键，录完所有观测值后，还要按一次空格键，按tab键或用鼠标点击换行；(2)然后按以上方法，录入实测因变量观测值yi；(3)录完所有数据后，按回车或计算键，输出结果见图7。
[0152]
4、利用(c1)数学模型预测所求变量
[0153]
点击(图1)“利用模型预测(c1)相关因变量”按键后，出现图8界面。
[0154]
使用步骤：(1)打开应用程序后，按提示依次录入x1i、x2i、x3i实测自变量观测值，每录入一个观测值按一次空格键，录完所有观测值后，还要按一次空格键，按tab键或用鼠标点击换行；(2)然后按以上方法，录入由上述计算的待定系数“ai”数值；录完所有数据后，按回车或计算键，输出结果见图9。
[0155]
5、拟合优度和相关系数计算
[0156]
点击(图1)“拟合优度和相关系数计算”按键后，出现图10界面。
[0157]
使用步骤：(1)打开应用程序后，按提示依次录入回归平方和ssr后，按tab键或用鼠标点击换行；(2)然后录入总平方和sst；录完所有数据后，按回车或计算键，输出结果见图11。
[0158]
6、f检验与校正可决系数计算
[0159]
点击(图1)“f检验与校正可决系数计算”按键后，出现图12界面。
[0160]
使用步骤：(1)打开应用程序后，按提示依次录入回归平方和ssr后，按tab键或用鼠标点击换行；(2)然后，录入剩余平方和ssd；(3)录入自变量个数k值；(4)最后录入样本总个数n；录完所有数据后，按回车或计算键。输出结果见图13。
[0161]
相比现有技术，本发明的有益效果在于：
[0162]
(1)本发明通过构建数学模型并利用3d多属性融合技术，从而实现对灰岩裂隙带的发育情况进行定量预测，从而有效提高预测结果的准确性；
[0163]
(2)本发明解决了现有的手工计算过程繁琐麻烦、误差大、极容易出错、工作缓慢、质量低以及效率差等的问题，从而有效地节约了人力成本，提高了预测的工作效率；
[0164]
(3)本发明由于其可操作性高、并且预测结果准确，从而能有效增强对地质的指导性。
[0165]
上述实施方式仅为本发明的优选实施方式，不能以此来限定本发明保护的范围，本领域的技术人员在本发明的基础上所做的任何非实质性的变化及替换均属于本发明所要求保护的范围。