基于三联智能模型的地质资源开发风险预测系统

研究问题

地下资源开发风险判断需要从异构观测中建立一致的地质认识。我负责的项目围绕数据、地质知识与物理约束展开，将数据准备、数值建模、智能目标检测和反演组织为相互支撑的研究模块。GSCD-Unet 承担其中的溶洞分割任务。

我的贡献

• 担任四人学生团队负责人，统筹技术路线、模块协作、进度安排与成果汇报。
• 直接负责三维地质自动建模和地下目标检测，包括模拟数据批量生成、分割架构与训练目标设计、模型比较及可视化。
• 指导团队同学完成多源数据清洗、重采样与对齐，以及贝叶斯框架和半监督学习下的地震反演研究。

技术路线

• 通过预处理与尺度对齐，连接测井、地震和生产相关数据。
• 在地质先验与物理约束下生成地质结构和合成观测，构建可控的数值实验输入。
• 将三维目标检测与弹性参数反演结合，从几何形态和地下介质属性两个角度支撑资源表征。

成果与发现

• 2025 年 12 月完成项目结题报告，形成数据治理、数值建模、智能检测与反演相互衔接的研究流程。
• 形成可复用的地质模拟与深度学习代码框架；溶洞分割子研究形成论文“3-D Seismic Detection of Paleokarst Cave Using Neural Networks with Efficient Edge-aware Downsampling and Composite Loss”，目前在审。

三维地质数值建模

我搭建地质结构与数值数据批量生成框架，将先验地质知识、参数化结构和物理模拟结合起来。通过断层几何、溶蚀体规模和噪声设置控制样本变化，为数值实验提供可调节的输入。

流程生成配对的地震体与体素标签；已记录实验采用 256³ 体数据及 128³ 训练裁块，将地质建模直接连接至三维监督学习。

古岩溶洞分割 · GSCD-Unet

我设计边缘感知的三维 U-Net 子模块，结合梯度引导空间注意力、3D PixelUnshuffle 和 SE 通道重加权，在下采样过程中保留细粒度溶洞边界信息。

训练目标融合 Focal Loss、边界感知加权 BCE 和梯度一致性约束，并配套训练、基线对比、实测数据分块推理及交互式可视化。

团队协作：数据治理与智能反演

在我的统筹下，数据治理模块围绕异常值处理、缺失值补全、重采样和异构测量对齐展开，支撑后续建模与反演。

反演模块结合贝叶斯约束、深度学习和半监督学习估计弹性参数，与几何目标检测互补，从地下介质属性维度完善项目研究。