基于機器學(xué)習(xí)的深基坑三維土層重建

王朱賀，李 楠，張希瑞，蘇 想

(1. 北京工商大學(xué) 人工智能學(xué)院，北京 100048；2. 智慧互通科技有限公司河北省靜態(tài)交通技術(shù)創(chuàng)新中心 河北 張家口 076250)

根據(jù)實地采集的有限土層樣本數(shù)據(jù)，利用計算機圖形學(xué)相關(guān)算法，將地下不同土層的空間三維結(jié)構(gòu)進行預(yù)測還原并進行實體建模的過程稱之為土層三維重建。土層三維重建對地下施工過程的管理具有十分重要的意義。以深基坑挖掘工程為例,技術(shù)人員需要通過一系列工程數(shù)據(jù)來對施工過程中可能存在的風(fēng)險進行預(yù)警。這些數(shù)據(jù)包括基坑區(qū)域內(nèi)的土層信息、基坑支護結(jié)構(gòu)信息、基坑施工過程中的各類傳感器監(jiān)測信息等。對支護結(jié)構(gòu)的失效預(yù)警需要進行相關(guān)的數(shù)值計算才能完成[1-2]。其中，土層的三維分布信息十分重要，因為需要根據(jù)土層實際情況計算土壓力，作為支護結(jié)構(gòu)計算的輸入載荷，進而得到預(yù)警信息。

傳統(tǒng)土層建模方法有很多種，如基于邊界、高度的三維土層建模[3]，基于鉆孔信息[4]的插值土層生成等[5]。目前較為常用的插值方法是克里金插值[6]，如文獻[7]設(shè)計了一種三維克里金算法，能較好的反映地質(zhì)空間的各向異性特征。另外，反距離加權(quán)平均插值法同樣在三維土層重建中有重要作用，文獻[8]對反距離權(quán)重插值法和自然鄰域插值法展開對比研究，得出反距離權(quán)重插值法更加適用于地層缺失嚴重的層位，能夠更好地保留地層缺失的特征的結(jié)論。

隨著大數(shù)據(jù)技術(shù)的發(fā)展和計算機算力的提高，機器學(xué)習(xí)技術(shù)已經(jīng)被證實在圖像[9]和音頻[10]領(lǐng)域有著顯著的效果。在三維地質(zhì)建模中，機器學(xué)習(xí)也有了初步應(yīng)用，文獻[11]從機器學(xué)習(xí)的角度提出矢量勢場解決方案，用隱式建模方法構(gòu)造地質(zhì)模型，文獻[12]提出GSIS系統(tǒng)進行多參數(shù)地質(zhì)建模，并以北京順義區(qū)工程地質(zhì)模型和中心城區(qū)的地質(zhì)模型為例進行驗證。文獻[13]利用支持向量機結(jié)合鉆孔數(shù)據(jù)、表面地質(zhì)圖、地質(zhì)剖面數(shù)據(jù)等進行土層自動化重建。文獻[14]基于堆棧的方法來表示地質(zhì)表面和地下結(jié)構(gòu)，解決了體數(shù)據(jù)模型存儲數(shù)據(jù)量大的問題。

總體來說，傳統(tǒng)的插值算法雖然在簡單、連續(xù)的土層上基本能夠?qū)崿F(xiàn)土層重建，但在復(fù)雜地形(比如斷層、下沉、尖滅)上的表現(xiàn)不佳。另外插值算法受到選取鉆孔數(shù)目和位置的影響，建模的不確定性大，適用范圍比較局限。目前對基于機器學(xué)習(xí)方法進行土層重建的相關(guān)研究還較為初步，且需克服下述問題：1)足量訓(xùn)練數(shù)據(jù)獲取；2)有效特征數(shù)據(jù)編碼；3)高適應(yīng)性和魯棒性學(xué)習(xí)模型。

針對上述問題，設(shè)計一種基于機器學(xué)習(xí)的三維土層重建方法，總體技術(shù)路線圖如圖1所示。其中分為4個主要技術(shù)環(huán)節(jié)，分別為

圖1 總技術(shù)路線圖

1)土層樣本數(shù)據(jù)增強算法。針對鉆孔數(shù)據(jù)和土層樣本的稀缺，進行了土層和鉆孔數(shù)據(jù)增強算法的設(shè)計，以獲得足量訓(xùn)練樣本數(shù)據(jù)集；

2)鉆孔數(shù)據(jù)預(yù)處理。設(shè)計了編碼算法，將維度不統(tǒng)一的鉆孔數(shù)據(jù)編碼為形式一致的特征圖，作為網(wǎng)絡(luò)模型的輸入；

3)設(shè)計并搭建卷積神經(jīng)網(wǎng)絡(luò)模型，進行土層預(yù)測訓(xùn)練；

4)土層體數(shù)據(jù)可視化。根據(jù)模型輸出的土層標簽提取數(shù)據(jù)場中等值面，將等值面以內(nèi)體數(shù)據(jù)進行聚塊，生成土層模型。

1 基于土層生成算法的鉆孔數(shù)據(jù)建模

1.1 鉆孔數(shù)據(jù)建模

鉆孔是為了獲得地下土層分布情況而向地下打的孔洞，在工程應(yīng)用中，獲取地下三維土層信息的方法，一般采用工程鉆探法，系統(tǒng)為了進行土層重建設(shè)計了文件存儲鉆孔數(shù)據(jù)。

如圖2所示，鉆孔隨機分布在地層中，經(jīng)過若干土層，一個鉆孔的三維結(jié)構(gòu)圖中，包括鉆孔的高程值、平面坐標、所經(jīng)過的土層及該土層厚度。鉆孔文件中包含土層信息，土層信息有土層標簽、土層名稱、土層顏色和土層描述。鉆孔數(shù)據(jù)包含：鉆孔名稱、鉆孔高程值、鉆孔半徑、鉆孔經(jīng)過的土層及土層厚度、鉆孔坐標。其中鉆孔經(jīng)過的土層及土層厚度是以列表的形式存儲，一個列表中存儲一個土層標簽和相應(yīng)的厚度，由于土層存在缺失和斷層情況，列表的長度并不是固定的，而是根據(jù)土層的情況而定，鉆孔經(jīng)過土層標簽與土層數(shù)據(jù)相關(guān)聯(lián)，每種土層有不同的顏色，以此實現(xiàn)鉆孔的可視化。

圖2 鉆孔數(shù)據(jù)建模示意圖

在鉆孔文件中，除了圖中所示的信息，還包含文件類型、文件生成時間、數(shù)據(jù)類型等一系列輔助信息。

1.2 土層生成算法

本算法的目的在于模仿實際施工低質(zhì)環(huán)境中典型的土層結(jié)構(gòu)生成仿真數(shù)據(jù)，增強土層訓(xùn)練數(shù)據(jù)集的規(guī)模。

在實際中很難得知真實土層的分布情況，對土層數(shù)據(jù)的獲得一般是通過少量鉆孔數(shù)據(jù)建模，但由于鉆孔數(shù)據(jù)的稀缺，土層數(shù)據(jù)也相對較少，因此設(shè)計了土層生成算法，模擬地球上真實土層的形成過程，獲得三種主要的土層類型數(shù)據(jù)，分別是連續(xù)土層、含缺失土層、含斷層土層。

連續(xù)土層，土層分布連續(xù)，中間沒有出現(xiàn)土層缺失和斷裂的情況；含缺失土層，由于地殼的運動，在地質(zhì)中某一層或某幾層土出現(xiàn)缺失情況，一般呈倒三角狀，其余土層仍呈現(xiàn)連續(xù)狀態(tài)；含斷層土層，地殼的部分下沉很容造成這種土層的形成，土層在某個位置具有顯著位移的斷裂。在連續(xù)土層中，2種土壤的交界面也很少出現(xiàn)平面，往往以曲面的形式出現(xiàn)，含缺失土層和含斷層土層也都是在連續(xù)土層的基礎(chǔ)上，經(jīng)過地質(zhì)作用形成。

在土層生成算法中，核心是用平滑曲線代替網(wǎng)格直線，獲得土層之間的交界面，在交界面之間的網(wǎng)格點被歸類為同一種土層，缺失土層是將連續(xù)土層的體數(shù)據(jù)刪除一部分，形成“下沉”，斷層土層是將連續(xù)土層的一部分體數(shù)據(jù)高度坐標減去一個固定的值，形成一個“斷面”，其余部分仍保持連續(xù)土層的狀態(tài)，算法流程圖如圖3所示。

圖3 土層生成算法流程圖

土層生成算法主要分為三步：

1)從設(shè)計的B樣條曲線中，隨機選取曲線函數(shù)，用曲線代替網(wǎng)格直線，獲得相應(yīng)網(wǎng)格點新的高度坐標，將第一次選取的曲線沿Y軸平移一個網(wǎng)格，獲得此位置的體數(shù)據(jù)，繼續(xù)平移，直到生成一個曲面。

2)重復(fù)步驟1，直到所有的交界曲面全部生成，提取曲面之間包圍的體數(shù)據(jù)進行保存。

3)判斷生成什么類型的土層，如果是連續(xù)土層，算法結(jié)束，如果是缺失土層或斷層土層，輸入相應(yīng)的坐標進行缺失或斷層處理并保存體數(shù)據(jù)。

土層體數(shù)據(jù)為交界曲面之間包圍的網(wǎng)格點，以網(wǎng)格點坐標的形式存儲。根據(jù)土層生成算法生成三種類型的土層，每一種土層都包含該層的所有土層數(shù)據(jù)，能夠?qū)崿F(xiàn)數(shù)據(jù)形式化、隨機性，確定性，形式化體現(xiàn)在每種土層數(shù)據(jù)格式都是統(tǒng)一的，隨機性體現(xiàn)在每個交界曲面都是隨機生成，進而每層土層的形狀也是隨機的，確定性體現(xiàn)在空間每一個網(wǎng)格點只屬于某一種土層。通過模擬地質(zhì)土層的真實形式，生成的土層數(shù)據(jù)與真實土層很相似，可以在土層數(shù)據(jù)上進行后續(xù)的實驗。

1.3 鉆孔生成算法

在土層數(shù)據(jù)的基礎(chǔ)上，進行了鉆孔生成算法的設(shè)計，在土層的最上層網(wǎng)格點上隨機選擇鉆孔，先確定鉆孔的位置，為了便于計算，鉆孔的位置都選在了網(wǎng)格點上，在土層的基礎(chǔ)上隨機生成若干鉆孔，通過層之間的交界面坐標計算每層土層在鉆孔位置的厚度，計算公式

thinknessi=zi-zi+1，

(1)

其中:thinknessi為土層i在鉆孔位置的厚度；zi為鉆孔在交界面i所經(jīng)過的網(wǎng)格點高度坐標值；zi+1為鉆孔在交界面i+1所經(jīng)過的網(wǎng)格點高度坐標值。

鉆孔生成算法流程圖如圖4所示，在土層生成算法中，已經(jīng)生成了具有一定格式的土層數(shù)據(jù)，三維網(wǎng)格的劃分已經(jīng)完成，根據(jù)土層分界面的網(wǎng)格坐標得到土層的厚度，其中鉆孔的高程值直接來自土層的表面網(wǎng)格高度坐標。

圖4 鉆孔生成算法流程圖

鉆孔生成算法分為三步：

1)選擇網(wǎng)格點坐標，鉆孔的位置全部取在了網(wǎng)格點上，每次取點不可重復(fù)。

2)求鉆孔的高程值和平面坐標，鉆孔高程值為網(wǎng)格點的高度坐標，將選取的網(wǎng)格點的平面坐標作為鉆孔坐標。

3)從土層數(shù)據(jù)中解析鉆孔所經(jīng)過的土層，提取土層的標簽，通過公式(1)計算土層的厚度，并保存鉆孔數(shù)據(jù)。

通過鉆孔生成算法獲得若干個鉆孔，每個鉆孔都包含4組信息：高程值、坐標、經(jīng)過的土層和土層厚度。在地層塊空間中，包含許多生成的虛擬鉆孔，每個鉆孔的信息形式都一樣，這些鉆孔數(shù)據(jù)是表征土層屬性的主要信息，后續(xù)的特征提取和數(shù)據(jù)集制作都是基于鉆孔數(shù)據(jù)來完成的。

2 基于卷積神經(jīng)網(wǎng)絡(luò)的土層生成模型

2.1 鉆孔特征信息編碼

通過土層生成算法和鉆孔生成算法能夠得到大量的土層和鉆孔數(shù)據(jù)，但是這些信息無法直接作為土層的特征來訓(xùn)練網(wǎng)絡(luò)，要想進行三維土層重建，需要知道所需建模的土層塊中每一體素的屬性。對土層進行三維網(wǎng)格劃分，把網(wǎng)格點作為樣本點，由于土層生成算法的確定性，樣本所屬土層類別是唯一的，樣本的標簽也就確定了，接下來需要一些數(shù)據(jù)來描述這個樣本，因此設(shè)計了編碼方法，將鉆孔數(shù)據(jù)與樣本點聯(lián)系起來，獲取樣本特征。

具體的編碼算法步驟如下：

1)鉆孔維度統(tǒng)一。將所有的鉆孔維度都統(tǒng)一到一個標準值，由于土層存在缺失和斷層的情況，在缺失層選取鉆孔的時候，可能會出現(xiàn)鉆孔并沒有完全經(jīng)過所有土層的情況，進行鉆孔維度統(tǒng)一是為了樣本特征維度的統(tǒng)一，否則無法輸入神經(jīng)網(wǎng)絡(luò)模型。對缺失數(shù)據(jù)的鉆孔進行補零操作，即在鉆孔數(shù)據(jù)的缺失層位置，將土層厚度置為0。

2)計算土層中心點高度。有了土層的厚度之后，還需要土層的空間分布信息，因此用土層中心點坐標來描述這個物理量，鉆孔的平面坐標就是土層在鉆孔位置的平面坐標，還需要土層中心點的高度數(shù)據(jù)，土層的厚度是由土層的交界面坐標之差得到的，因此土層中心點高度坐標值由公式(2)得到

(2)

其中：hi是第i層土層的厚度；Zsi是第i層土層在一個鉆孔位置處的厚度中心點高度坐標。

3)計算土層中心點到樣本點距離。因為距離樣本點越遠，對樣本點的影響越小，選擇了k個距離樣本點最近的鉆孔，然后獲得這些鉆孔所經(jīng)過土層的厚度中心坐標，根據(jù)歐式距離公式得到所有土層中心點到樣本點的距離。

經(jīng)過3個步驟，生成一個樣本的所有特征數(shù)據(jù)，包含若干個鉆孔的信息，每一個鉆孔的信息包含5組數(shù)據(jù)：該鉆孔高程值、該鉆孔所經(jīng)過的土層厚度、鉆孔平面坐標、每層土層中心點的z坐標、每層土層中心點到樣本點的距離。樣本的維度由土層種類數(shù)目snum和選取的鉆孔個數(shù)k決定，計算公式

Ds=3(snum+3)k，

(3)

其中：snum是土層數(shù)目；k是選取的鉆孔個數(shù)；Ds為一個樣本的維度。

下面以土層數(shù)目為3(即snum=3)選取的鉆孔個數(shù)為2(即k=2)為例，如圖5所示，展示編碼前的鉆孔數(shù)據(jù)以及編碼后的樣本特征數(shù)據(jù)。

圖5 編碼算法得到的特征數(shù)據(jù)

在圖5中，上方的表格是隨機生成的5個鉆孔，其中忽略了鉆孔所經(jīng)過的土層標簽這一信息，因為在編碼算法中，土層的厚度是按所經(jīng)過的層依次排列的，將土層標簽這一信息轉(zhuǎn)化成了樣本空間信息，因此樣本特征是跟數(shù)據(jù)的空間位置有關(guān)系。圖中下方表格是一個樣本的特征數(shù)據(jù)，其中特征1是由鉆孔2編碼而來，特征2是由鉆孔1編碼而來，根據(jù)公式(3)得其樣本維度為24，即該樣本有24個特征數(shù)據(jù)。

2.2 預(yù)測模型的結(jié)構(gòu)

卷積神經(jīng)網(wǎng)絡(luò)在計算機視覺等領(lǐng)域表現(xiàn)出了優(yōu)越的性能[15]，在語音和自然語言處理等領(lǐng)域也廣泛的應(yīng)用[16-17]，深層卷積在高維度數(shù)據(jù)的特征提取方面具有顯著優(yōu)勢，采用深度卷積神經(jīng)網(wǎng)絡(luò)作為基本重建模型結(jié)構(gòu)。

模型的具體結(jié)構(gòu)包含3個卷積層，3個池化層，2個全連接層，最后用Softmax函數(shù)輸出預(yù)測結(jié)果。模型可以選擇設(shè)置用于確定網(wǎng)絡(luò)架構(gòu)的超參數(shù)，其中激活函數(shù)適用了RELU，池化方法采用最大池化。根據(jù)不同的土層類別設(shè)計了多種模型，以此來適應(yīng)用戶的需求，其中卷積核大小和池化窗口的大小都是動態(tài)的，根據(jù)土層的類別數(shù)和鉆孔個數(shù)而定。

由于在基坑施工的典型低質(zhì)環(huán)境中，幾乎沒有超過10種土層的情況，因此以10層為上限設(shè)計模型，通過訓(xùn)練多種分辨率的模型，來提升土層預(yù)測的效率。研究主要設(shè)計訓(xùn)練了2種模型，土層數(shù)目分別對應(yīng)為5和10，將其命名為SNet5和SNet10。如果鉆孔采樣中土層的類別小于或等于5，則采用SNet5進行土層預(yù)測，當(dāng)土層數(shù)目大于5則采用SNet10。

2.3 數(shù)據(jù)集的構(gòu)建及訓(xùn)練

分別設(shè)計了2種數(shù)據(jù)集，來訓(xùn)練SNet5和SNet10，并將經(jīng)過編碼算法的鉆孔數(shù)據(jù)作為樣本的特征數(shù)據(jù)。針對不同的地形，制作了不同的數(shù)據(jù)集，每種數(shù)據(jù)集的樣本量和樣本維度都不同，為了確保能在所有土層中都能取到樣本，在每個土層中都隨機取了若干點。制作了2個數(shù)據(jù)集，如表1，分別對應(yīng)模型SNet5和SNet10，數(shù)據(jù)集的樣本量分別是30 000和60 000，如表所示。這些數(shù)據(jù)集將應(yīng)用到下面的一些對比分析實驗當(dāng)中，每種數(shù)據(jù)集訓(xùn)練集占70%，測試集占30%。

表1 數(shù)據(jù)集樣本量和樣本維度

在訓(xùn)練時，從數(shù)據(jù)的輸入到數(shù)據(jù)處理，到三層卷積層的特征提取，最后通過交叉熵函數(shù)得到Loss值，Loss值越小且收斂，則神經(jīng)網(wǎng)絡(luò)模型收斂且準確度越高。網(wǎng)絡(luò)模型優(yōu)化器使用的是Adam優(yōu)化器，為防止網(wǎng)絡(luò)過擬合，在每個池化層之后，增加dropout函數(shù)，隨機減少神經(jīng)元。對真實值和預(yù)測值做交叉熵運算，得到誤差，不斷地更新權(quán)重和偏置參數(shù)，使損失值不斷減小，模型的性能逐漸提高，迭代次數(shù)20 000次，模型在測試集上的表現(xiàn)精度如表2所示。

表2 模型在數(shù)據(jù)集上的測試精度

2.4 土層體數(shù)據(jù)可視化

網(wǎng)絡(luò)模型返回的標簽是體素的頂點數(shù)值，每一塊體素代表一個土層結(jié)構(gòu)離散單元。對土層數(shù)據(jù)可視化的過程可概括為：1)土層結(jié)果體數(shù)據(jù)生成；2)體數(shù)據(jù)等值面生成；3)等值面圍成區(qū)域生成土層實體塊。其中生成等值面采用Marching Cubes算法，Marching Cubes是三維離散數(shù)據(jù)場中提取等值面的經(jīng)典算法，算法主要的思想是將體素的每個頂點進行標記并根據(jù)不同的頂點狀態(tài)組合進行分類 , 如果體素頂點上的值大于或等于該等值面的值，則定義該頂點位于等值面之外，標記為“0”；而如果體素頂點上的值小于該等值面的值，則定義該頂點位于等值面之內(nèi)，標記為“1”，然后通過線性插值求得立方體各條邊上的等值點, 最后用一系列的三角形擬合出該立方體中的等值面[18]。

將訓(xùn)練好的模型進行保存，在對未知土層進行建模的時候，根據(jù)用戶提供的少量鉆孔，對待建模的土塊進行三維分網(wǎng)格，通過模型來預(yù)測每一個網(wǎng)格點的標簽，將鉆孔數(shù)據(jù)進行編碼，生成特征圖，輸入到網(wǎng)絡(luò)模型中，模型返回樣本標簽，即體素的頂點數(shù)值，然后進行土層體數(shù)據(jù)可視化，具體流程示意圖如圖6所示，其中等值面提取方法采用文獻[19]中Marching Cubes算法。

圖6 土層數(shù)據(jù)可視化示意圖

土層體數(shù)據(jù)可視化的過程為：1)將土層結(jié)果數(shù)據(jù)進行預(yù)處理，用連續(xù)自然數(shù)表示不同土層，作為算法輸入；2)在土層塊周圍增添一層值為0的界面層，保證最后生成的等值面封閉；3)根據(jù)Marching Cubes算法生成若干等值面；4)將等值面轉(zhuǎn)換為土塊三維模型進行可視化。圖7是經(jīng)過模型后所得到的土層體數(shù)據(jù)繪制的三維土層模型。

圖7 土層模型

3 土層生成實驗與結(jié)果分析

3.1 鉆孔選取數(shù)目對結(jié)果的影響

設(shè)計土層生成算法的過程中，在生成的土層塊上隨機獲取若干鉆孔，選擇多少個鉆孔數(shù)據(jù)作為一個樣本的參考數(shù)據(jù)會影響到模型的優(yōu)劣，因為樣本維度發(fā)生了變化，樣本數(shù)據(jù)也發(fā)生了變化。因此，設(shè)計一組實驗，來尋找最佳鉆孔數(shù)，根據(jù)經(jīng)驗數(shù)據(jù)分別選取一系列數(shù)目的鉆孔，網(wǎng)絡(luò)模型選擇SNet5和SNet10，這些鉆孔都是距離樣本點最近的鉆孔，將這些鉆孔數(shù)據(jù)按照前述編碼方法進行編碼，通過神經(jīng)網(wǎng)絡(luò)，分別得到相應(yīng)的測試集準確率，實驗結(jié)果如表3。由該表得到的折線圖如圖8所示。

表3 鉆孔選擇數(shù)目對結(jié)果的影響

圖8 鉆孔選擇數(shù)目對結(jié)果的影響

由圖8可以看出鉆孔數(shù)目的選擇與模型優(yōu)劣的關(guān)系，當(dāng)鉆孔數(shù)目為10時，2個模型都達到了最好的效果，在測試集上的準確率分別為90%和93%。隨著鉆孔數(shù)目的改變，一個樣本的維度就發(fā)生了變化，對網(wǎng)絡(luò)模型提取樣本特征的能力產(chǎn)生了影響，從而模型的性能也發(fā)生了變化。

3.2 鉆孔選取方法對結(jié)果的影響

在設(shè)計編碼算法時，加入了權(quán)重因子，因為距離樣本點越近的鉆孔對樣本的影響越大，但由于神經(jīng)網(wǎng)絡(luò)模型可能具備學(xué)習(xí)距離特征的能力，這種距離因素是否會影響到樣本特征，還需要進一步驗證。因此設(shè)計了一組實驗，選取若干個距離樣本點最近的鉆孔和隨機選取若干個鉆孔做對比，網(wǎng)絡(luò)模型選擇SNet5和SNet10，得出模型的準確率分別如表4、5。由以下2表得到的柱狀圖如圖9、10所示。

表4 在模型SNet5上鉆孔選取方法對結(jié)果的影響

表5 在模型SNet10上鉆孔選取方法對結(jié)果的影響

在圖9、10中，對隨機選擇鉆孔和選擇樣本點最近的鉆孔對模型性能的影響做了對比，可以看出在網(wǎng)絡(luò)模型SNet5和SNet10上，兩種方法都表現(xiàn)出了較好的性能，但是選擇離樣本點近的鉆孔在模型上的表現(xiàn)要更好一些，原因是因為距離樣本點較近的鉆孔對樣本的影響較大，這些近距離的鉆孔所攜帶的信息更能表示一個樣本的特征。

圖9 在模型SNet5上鉆孔選取方法對結(jié)果的影響

圖10 在模型SNet10上鉆孔選取方法對結(jié)果的影響

3.3 土層重建實例

針對深圳某深基坑施工項目，運用設(shè)計的模型進行三維土層重建。施工單位提供的真實鉆孔數(shù)據(jù)一共80組，部分鉆孔三維結(jié)構(gòu)如圖11左圖，根據(jù)鉆孔數(shù)據(jù)判斷出此地塊一共有7層土層，于是訓(xùn)練一個重建7層土層的模型，用訓(xùn)練好的7分類模型來進行土層重建，得到如圖11右圖所示的土層模型，具體實的現(xiàn)步驟如下

圖11 鉆孔三維結(jié)構(gòu)與土層模型

1)根據(jù)施工要求所需建模的地塊大小為(260×250×7)，將其分為26×25×7=4 550個體素，每個體素為(10×10×10)的三維網(wǎng)格；

2)將施工單位提供的80組鉆孔數(shù)據(jù)輸入編碼算法，將網(wǎng)格點做為樣本點，獲得5 616(27×26×8=5 616)張?zhí)卣鲌D；

3)將特征圖輸入到訓(xùn)練好的模型中，得到5 616個土層標簽；

4)將土層標簽經(jīng)過數(shù)據(jù)預(yù)處理之后作為Marching Cubes算法的輸入數(shù)據(jù)，提取等值面，進而生成土層模型。

4 結(jié) 語

提出了基于機器學(xué)習(xí)的深基坑三維土層重建方法，在復(fù)雜地層上有較好的表現(xiàn)，具體結(jié)論如下：

1)提出的數(shù)據(jù)增強算法能獲得大量與真實鉆孔數(shù)據(jù)高度相似的虛擬鉆孔數(shù)據(jù)，有效擴大了訓(xùn)練集規(guī)模。

2)針對鉆孔數(shù)據(jù)提出的特征編碼算法，能夠生成鉆孔信息特征圖，作為預(yù)測模型的有效輸入。

3)利用設(shè)計的土層預(yù)測模型，在簡單土層的測試集上精度達到93%，在復(fù)雜土層的測試集精度也均達90%以上。

4)設(shè)計的土層體數(shù)據(jù)等值面生成算法，實現(xiàn)了土層塊的可視化建模。

未來將主要在現(xiàn)有基礎(chǔ)上進行數(shù)據(jù)增強算法的研究，使數(shù)據(jù)更加完善、豐富，算法的適應(yīng)性更強，形成一套更加成熟的土層、鉆孔數(shù)據(jù)自動生成的體系。