CN119471814A 三维地震波点云数据智能分析识别方法 （中国电建集团成都勘测设计研究院有限公司）

同时将大量测试原始数据进行精简和结构化处为不同预报方法下数据间的机器智能融合分析2概率的关系获取各反射形态分类对应的不良地质步骤4、对同一位置不同反射形态分类对应的不良地质体存在概率进行累加得到该位的线性界面与不良地质体存在概率的关系获取线性关系对应的不良地质波速变化趋势与不良地质体存在概率的关系获取波速变化趋势对应的不良地质体存在概检测并提取所有地震波点云数据中最小的F%的数据，对筛选后的数各数据对应的坐标分布剔除空间中非连续分布的零星数据，最后用筛选后的数据中Y坐标检测并提取所有地震波点云数据中最大的F%的数据，对筛选后的数各数据对应的坐标分布剔除空间中非连续分布的零星数据，最后用筛选后的数据中Y坐标检测并提取所有地震波点云数据中最小的F%的数据，对筛选后的数坐标分布剔除空间中非连续分布的数据，最后用筛选后的数据中Y坐标最大取值范围与隧3检测并提取所有地震波点云数据中最大的F%的数据，对筛选后的数坐标分布剔除空间中非连续分布的数据，最后用筛选后的数据中Y坐标最大取值范围与隧在所有面状不连续反射的基础上对各正反射及负反射面分别进行错距和分布高程的7.根据权利要求6所述的三维地震波点云数据骤4计算不良地质体存在的概率前还包括基于编码对数据进行结构9.根据权利要求1_8任意一项所述的三维地震波点云数据智能分析识别方法，其特征4[0002]目前类似TRT、TSP等基于地震波反射成像技术广泛应用[0007]为了实现自动化预报，本申请提供了一种三维地震波点云数据智能分析识别方存在概率的关系获取各反射形态分类对应的不步骤4、对同一位置不同反射形态分类对应的不良地质体存在概率进行累加得到5检测并提取所有地震波点云数据中最小的F%的数据，对筛选后的数据进行检测，根据各数据对应的坐标分布剔除空间非连续分布的零星数据，最后用筛选后的数据中Y坐检测并提取所有地震波点云数据中最大的F%的数据，对筛选后的数据进行检测，根据各数据对应的坐标分布剔除空间中非连续分布的零星数据，最后用筛选后的数据中Y检测并提取所有地震波点云数据中最小的F%的数据，对筛选后的数据进行检测，根据坐标分布剔除空间中非连续分布的数据，最后用筛选后的数据中Y坐标最大取值范围检测并提取所有地震波点云数据中最大的F%的数据，对筛选后的数据进行检测，根据坐标分布剔除空间中非连续分布的数据，最后用筛选后的数据中Y坐标最大取值范围在所有面状不连续反射的基础上对各正反射及负反射面分别进行错距和分布高6[0015]进一步地，所述步骤4计算不良地质体存在的概率前还包括基于编码对数据进行7剔除空间中非相邻数据，最后用筛选后的数据中Y坐标最大取值范围与隧洞洞径的空间坐剔除空间中非相邻数据，最后用筛选后的数据中Y坐标最大取值范围与隧洞洞径的空间坐剔除空间中非相邻数据，最后用筛选后的数据中Y坐标最大取值范围与隧洞洞径的空间坐标范围比对，若最大长度小于洞径或预设值B，则可得到面状不连续反射且仅正反射的结8存在概率的关系获取各反射形态分类对应的不9射面间的线性影像，此时根据构成该直线的原反射面类型分为正反射面间形成的线性构和定义，如定义判断位置平均波速值与该位置至激发方向20m内平均波速值相比大于30%，[0038]步骤4、对同一位置不同反射形态分类对应的不良地质体存在概率进行累加得到55%