劉漢龍,章潤紅,劉東升,仉文崗,

（1. 重慶大學(xué) 土木工程學(xué)院，重慶 400045；2. 重慶大學(xué)溧陽智慧城市研究院，江蘇 溧陽 213300；3. 重慶市地質(zhì)礦產(chǎn)勘查開發(fā)局， 重慶 401120）

城市的快速和高質(zhì)量發(fā)展離不開地質(zhì)環(huán)境條件的支撐。全面掌握城市所處地質(zhì)條件、數(shù)據(jù)化地對城市地質(zhì)特征進(jìn)行描述對智慧城市的建設(shè)尤為重要。近年來，各種三維地質(zhì)建模軟件的迅速發(fā)展、功能的穩(wěn)步提高、利于數(shù)據(jù)信息大力發(fā)展的政策使得三維地質(zhì)建模工作更有意義，更能服務(wù)于國民經(jīng)濟(jì)[1]。目前，三維地質(zhì)建模能將地質(zhì)環(huán)境數(shù)據(jù)、地質(zhì)學(xué)理論與計算機(jī)三維可視化技術(shù)有機(jī)結(jié)合，從而準(zhǔn)確地反映地下空間內(nèi)地質(zhì)構(gòu)造展布、相互接觸關(guān)系以及各地質(zhì)體物理力學(xué)或化學(xué)屬性等特征[2]。20世紀(jì)90年代以來，隨著計算機(jī)軟硬件技術(shù)的不斷發(fā)展和地球空間信息科學(xué)的蓬勃發(fā)展，能夠反映地質(zhì)構(gòu)造形態(tài)、構(gòu)造關(guān)系及土體參數(shù)屬性變化規(guī)律的三維地質(zhì)建模技術(shù)得到了顯著發(fā)展，取得了眾多有意義的成果[3-8]。建立多維地質(zhì)信息系統(tǒng)，有利于一體化存儲、管理和處理地下—地上、地質(zhì)—地理、空間—屬性數(shù)據(jù)，進(jìn)行三維可視化地質(zhì)建模，有利于對地質(zhì)對象的總體把握和整體分析?；诤Ａ慷嘣?、異構(gòu)、異質(zhì)的地質(zhì)勘查數(shù)據(jù)，構(gòu)建其三維地質(zhì)模型，可直觀而形象地展現(xiàn)地質(zhì)體和地質(zhì)結(jié)構(gòu)，從而顯著提高對地質(zhì)現(xiàn)象、地質(zhì)資源和地質(zhì)環(huán)境的認(rèn)知能力。目前，開展三維地質(zhì)信息系統(tǒng)建設(shè)和三維數(shù)字圖幅、數(shù)字礦山、數(shù)字油田、數(shù)字工程和數(shù)字地災(zāi)點地質(zhì)建模，已經(jīng)成為國際地質(zhì)部門和地質(zhì)科學(xué)界技術(shù)創(chuàng)新的重要領(lǐng)域[5-8]。

對于城市地質(zhì)而言，三維地質(zhì)建模對地質(zhì)災(zāi)害防御和地下設(shè)施綜合管理具有巨大的作用，近20年來，三維地質(zhì)建模相關(guān)研究取得了許多可喜的成果[9-18]，三維地質(zhì)建模與地質(zhì)大數(shù)據(jù)的融合研究越來越受到重視[19-20]。薛林福等[21]提出了分塊三維地質(zhì)建模方法，以斷裂、巖體邊界、不整合接觸面等為邊界，將較為復(fù)雜的三維地質(zhì)建模工作區(qū)分解為多個內(nèi)部構(gòu)造相對簡單的、建模難度較小的地質(zhì)單元，為開展復(fù)雜山區(qū)三維地質(zhì)建模提供了精確依據(jù)。董梅等[22]利用GOCAD建立了北京市朝陽區(qū)某建筑場地的土層地質(zhì)模型，并提出了以Kriging插值和離散光滑插值相互結(jié)合來建立地層界面以及采用GOCAD中的GRID功能代替SOLID功能建立三維地層實體的方法。王駿等[23]以重慶歌樂山典型背斜構(gòu)造區(qū)為建模研究對象，采用搜集資料→野外踏勘→室內(nèi)建模的工作路線，運用SKUA-GOCAD的workflow建模流程，建立了構(gòu)造模型，并運用數(shù)據(jù)趨勢分析方法建立了巖性模型。李青元等[24]從多角度全面總結(jié)了三維地質(zhì)建模技術(shù)的用途、現(xiàn)狀、存在問題、發(fā)展趨勢，并結(jié)合三維建模的現(xiàn)狀提出了“相關(guān)部門應(yīng)對三維地質(zhì)建模示范工程制定總體風(fēng)格與基本內(nèi)容一致、適合本行業(yè)專業(yè)特點的專用標(biāo)準(zhǔn)”。易宗旺等[25]利用區(qū)域調(diào)查中的地形數(shù)據(jù)、遙感影像數(shù)據(jù)、鉆孔數(shù)據(jù)、剖面數(shù)據(jù)等各種資料，在三維地質(zhì)建模系統(tǒng)（GeoBIM）平臺中進(jìn)行三維地質(zhì)建模等。劉東升等[26]研發(fā)了巖土材料特征大數(shù)據(jù)管理及分析軟件系統(tǒng)，實現(xiàn)了對巖土材料大數(shù)據(jù)實施收集、傳輸、分類、篩選、管理和統(tǒng)計分析的功能，并結(jié)合重慶地區(qū)收集到的7萬余條典型巖土材料數(shù)據(jù)對該地區(qū)的典型巖土材料特征進(jìn)行分析。由于既往積累的地質(zhì)環(huán)境數(shù)據(jù)相對較分散，盡管總量巨大，但缺乏整合和必要的分析，使得其成為“死數(shù)據(jù)”，未能建立起城市地質(zhì)基礎(chǔ)特征系統(tǒng)，無法為智慧城市規(guī)劃和建設(shè)提供幫助。

筆者基于重慶市地勘單位已有的大量巖土勘察與地形地貌數(shù)據(jù)資源，基于大數(shù)據(jù)分析管理和數(shù)據(jù)處理思想，采用大數(shù)據(jù)交匯融合技術(shù)，構(gòu)建重慶市區(qū)域三維地質(zhì)模型，生成了包括地區(qū)地層構(gòu)造及巖土材料參數(shù)值域等基礎(chǔ)特征信息的重慶區(qū)域地質(zhì)條件圖譜?；跀?shù)據(jù)統(tǒng)計、圖像識別方法以及空間統(tǒng)計分析理論和插值方法，綜合利用MATLAB、ArcGIS以及BIM軟件，對鉆孔數(shù)據(jù)進(jìn)行虛擬地層插入、地層曲面擬合、三維實體模型生成、局部地形深化處理；運用Bayes參數(shù)估計理論，采用基于歷史大數(shù)據(jù)的先驗估計值對工程實時采集的巖土測試試驗參數(shù)進(jìn)行修正，得到各類不同地質(zhì)物理力學(xué)參數(shù)的期望值。

1 鉆孔地質(zhì)數(shù)據(jù)

收集地質(zhì)鉆孔數(shù)量共計3 456個，鉆孔分布如圖1所示，典型地質(zhì)鉆孔具體信息如圖2所示。由收集到的地質(zhì)鉆孔分布可知，地質(zhì)勘探點主要分布在朝天門區(qū)域。

圖1 鉆孔分布Fig. 1 Borehole distribution

圖2 典型地質(zhì)鉆孔柱狀圖Fig. 2 Typical geological borehole histogram

1.1 空間幾何參數(shù)

根據(jù)鉆孔資料和區(qū)域資料顯示，研究區(qū)域的巖層產(chǎn)狀110°∠6°，地層巖性為砂、泥巖互層，巖層層面裂隙張開，無填充，結(jié)合差，為軟弱結(jié)構(gòu)面。區(qū)域范圍內(nèi)主要有兩組裂隙，其產(chǎn)狀分別為：1）L1產(chǎn)狀170°∠78°，裂隙間距0.8～1.5 m，裂面平，略呈波狀，多黑灰色，無充填，開口1～3 mm，局部充填鈣質(zhì)，延伸長約1～3 m，貫通性較差。裂隙面均為軟弱結(jié)構(gòu)面，結(jié)構(gòu)面結(jié)合差；2）裂隙產(chǎn)狀235°∠81°，裂隙間距1.0～2.5 m，裂面粗糙，呈波狀，多呈閉合狀，局部開口2～5 mm，無充填，貫通性較差。裂隙面均為軟弱結(jié)構(gòu)面，結(jié)構(gòu)面結(jié)合差。據(jù)地面調(diào)查及鉆探揭露，部分區(qū)域內(nèi)出露地層巖性有第四系人工填土層、侏羅系中統(tǒng)沙溪廟組砂巖及泥巖。

1.2 物理力學(xué)參數(shù)

為揭示擬建模區(qū)域的地質(zhì)構(gòu)造、元素組成及力學(xué)性能，采用傳統(tǒng)鉆孔巖樣試驗和基于圖像識別技術(shù)的方法獲取地質(zhì)物理力學(xué)參數(shù)。基于CT、SEM掃描和三維重構(gòu)技術(shù)的巖樣孔隙率，確定運用Avizo 8.0軟件對巖樣CT掃描切片進(jìn)行中值過濾、二值化處理和精細(xì)化加工，之后再對每組切片進(jìn)行數(shù)字巖芯重構(gòu)、孔吼模型建立、孔裂隙提取及孔隙率計算，如圖3所示。

圖3 真實砂巖試件及其3種模型Fig. 3 Real sandstone specimen and its three models

基于EDS能譜分析技術(shù)對巖樣元素組成規(guī)律進(jìn)行確定。采用Quanta 250掃描電子顯微鏡和配套的X射線能譜儀進(jìn)行巖樣微結(jié)構(gòu)中的元素測定。在每個巖樣切片的掃描電鏡圖像中，至少選取3個微結(jié)構(gòu)EDS能譜分析區(qū)，如圖4所示。對每個微結(jié)構(gòu)區(qū)均進(jìn)行元素測定分析，將三者的平均值作為最終結(jié)果。

圖4 砂巖切片的掃描電鏡圖像及EDS能譜分析區(qū)域選擇Fig. 4 Scanning electron microscope image of sandstone section and selection of EDS spectrum analysis area

基于巖石細(xì)觀圖像深度學(xué)習(xí)的巖性智能識別與分類。采用SN0745-60U2K型2K測量電子顯微鏡進(jìn)行巖樣細(xì)觀圖像拍攝，電子放大倍數(shù)為15～180倍，拍攝圖像像素高達(dá)1 600萬，并具備自動尋邊、HDR高動態(tài)、自動存儲等功能，操作簡便，對巖樣物理力學(xué)測試結(jié)果影響小。

巖樣端面細(xì)觀圖像經(jīng)細(xì)致篩分后，將其中的70%作為訓(xùn)練集、20%作為驗證集、10%作為測試集，分別運用Inception-v3、Xception、NASNetLarge和InceptionResNetV2這4種深度卷積神經(jīng)網(wǎng)絡(luò)模型及GoogleNet圖像分類模型，同時，結(jié)合Softmax回歸模型等共同構(gòu)建巖（土）性材料的識別模型，并對其進(jìn)行循環(huán)訓(xùn)練學(xué)習(xí)，深度學(xué)習(xí)流程如圖5所示。

圖5 巖土材料微細(xì)觀圖像深度學(xué)習(xí)流程圖Fig. 5 Flow chart of deep learning of micro-view images of geotechnical materials

圖6為Inception-v3深度神經(jīng)網(wǎng)絡(luò)模型的結(jié)構(gòu)展示，該模型首先是3個卷積層，然后連接一個最大池化層，再設(shè)兩個卷積層，再連接一個最大池化層，最后連接11個不同的Inception結(jié)構(gòu)混合層。其余深度卷積神經(jīng)網(wǎng)絡(luò)模型不再列出。

圖6 Inception-v3深度神經(jīng)網(wǎng)絡(luò)模型Fig. 6 Deep neural network model of Inception-v3

采用該方法對所采集的4種典型巖樣圖像進(jìn)行旋轉(zhuǎn)、偏移處理，生成深度學(xué)習(xí)樣本，隨后，基于Inception-v3、Xception、NASNetLarge和Inception ResNetV2這4種深度卷積神經(jīng)網(wǎng)絡(luò)模型，利用遷移學(xué)習(xí)的方式形成巖石細(xì)觀圖像集分類的深度學(xué)習(xí)模型，最后使用集成學(xué)習(xí)算法，通過加權(quán)評估得出最終的判別結(jié)果，從而實現(xiàn)巖（土）性材料圖像特征的提取與識別，并對其進(jìn)行自動、高效、可靠地分類。

在訓(xùn)練過程中，對訓(xùn)練集和驗證集中的巖石圖像分別進(jìn)行檢驗評估。訓(xùn)練結(jié)果顯示：在循環(huán)訓(xùn)練1 000次后，Inception-v3深度卷積神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練集中的巖石細(xì)觀圖像分類準(zhǔn)確率達(dá)到92.77%，驗證集中的巖石細(xì)觀圖像分類準(zhǔn)確率為76.31%，如圖7（a）所示；在循環(huán)訓(xùn)練300次后，Xception深度卷積神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練集中的巖石細(xì)觀圖像分類準(zhǔn)確率為93.30%，驗證集中的巖石細(xì)觀圖像分類準(zhǔn)確率為78.27%，如圖7（b）所示；在循環(huán)訓(xùn)練300次后，NASNetLarge深度卷積神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練集中的巖石細(xì)觀圖像分類準(zhǔn)確率為90.52%，驗證集中的巖石細(xì)觀圖像分類準(zhǔn)確率為74.74%，如圖7（c）所 示；在 循 環(huán) 訓(xùn) 練300次 后，Inception-ResNetV2深度卷積神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練集中的巖石細(xì)觀圖像分類準(zhǔn)確率為90.81%，驗證集中的巖石細(xì)觀圖像分類準(zhǔn)確率為78.81%，如圖7（d）所示。經(jīng)加權(quán)評估后，最終訓(xùn)練集中的巖石細(xì)觀圖像分類準(zhǔn)確率將達(dá)到95%以上，驗證集中的巖石細(xì)觀圖像分類準(zhǔn)確率高于80%。

圖7 4種深度神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練結(jié)果Fig. 7 Four types of deep neural network model training results

相比于傳統(tǒng)的機(jī)器學(xué)習(xí)方法，該深度學(xué)習(xí)方法通過圖像像素點組成深度學(xué)習(xí)的輸入層，利用多個深度可分離卷積網(wǎng)絡(luò)構(gòu)建復(fù)雜的BP神經(jīng)網(wǎng)絡(luò)，最終得到的模型在巖石巖性的識別與分類上具有更高的魯棒性和泛化能力。此外，集成學(xué)習(xí)算法的運用顯著提高了巖石細(xì)觀圖像分類的準(zhǔn)確率，使巖性判別結(jié)果更可信。

2 地質(zhì)數(shù)據(jù)分析與建模

2.1 三維地質(zhì)空間幾何數(shù)據(jù)分析與建模

為了解決數(shù)據(jù)與成本的矛盾，基于空間統(tǒng)計分析理論選擇合適的插值方法，利用有限的采樣點數(shù)據(jù)擬合其他相對準(zhǔn)確、精度較高的高程數(shù)據(jù)。常用的空間插值方法有三角剖分法、距離倒數(shù)加權(quán)法、最小曲率法、最近鄰點法、Kriging方法，其中，Kriging方法通過引進(jìn)以距離為自變量的半變差函數(shù)來計算權(quán)值，由于半變差函數(shù)既可以反應(yīng)變量的空間結(jié)構(gòu)特性，又可以反映變量的隨機(jī)分布特性，利用Kriging方法進(jìn)行空間數(shù)據(jù)插值往往可以取得理想的效果。另外，通過設(shè)計變差函數(shù)，Kriging方法很容易實現(xiàn)局部加權(quán)插值，克服了一般距離加權(quán)插值結(jié)果的不穩(wěn)定性。因此，采用Kriging插值對地質(zhì)巖性進(jìn)行預(yù)測。

利用單一軟件進(jìn)行三維地質(zhì)建模存在一些弊端，導(dǎo)致一些缺陷，無法完全實現(xiàn)預(yù)期的功能。因此，綜合利用MATLAB、ArcGIS以及BIM軟件進(jìn)行精細(xì)化三維地質(zhì)建模，具體建模流程見圖8。

圖8 基于多元數(shù)據(jù)融合的三維地質(zhì)建模流程Fig. 8 3D geological modeling process based on multivariate data fusion

第1步：將地勘報告內(nèi)的鉆孔及其他有用數(shù)據(jù)進(jìn)行提取和篩選，形成地質(zhì)信息基礎(chǔ)數(shù)據(jù)庫，儲存在Excel表格內(nèi)；

第2步：基于虛擬地層插入原理，利用MATLAB對鉆孔數(shù)據(jù)進(jìn)行預(yù)處理，形成標(biāo)準(zhǔn)鉆孔地層分布；

第3步：將標(biāo)準(zhǔn)化后的鉆孔數(shù)據(jù)導(dǎo)入ArcGIS中，基于ArcGIS自帶工具以及Python編程，建立ModelBuilder建模流程，得到TIN地層模型；

第4步：將TIN地層模型轉(zhuǎn)換為Auto Desk平臺能夠識別的DWG文件；

第5步：將地層模型文件導(dǎo)入Civil 3D內(nèi)，然后結(jié)合其他地層信息和地層巖性經(jīng)驗分析進(jìn)行手動概化處理，建立三維地質(zhì)實體模型；

第6步：結(jié)合地表的建筑信息、基坑信息以及開洞信息，利用Revit軟件對Civil 3D模型進(jìn)行深化處理，建立較為精細(xì)的三維地質(zhì)模型；

第7步：將所建立的模型導(dǎo)入Navisworks內(nèi)進(jìn)行三維漫游展示；

第8步：在Auto Desk平臺進(jìn)行二次開發(fā)，編寫可以對模型添加屬性的程序，然后對前面建立的三維地質(zhì)模型指定巖層屬性，形成動態(tài)的特征信息圖譜。

2.2 三維地質(zhì)物理力學(xué)參數(shù)分析與估計

2.2.1 巖土參數(shù)先驗分布及超參數(shù)確定方法 先驗分布的確定受控于先驗信息的提取模式，而先驗信息的提取模式必須與歷史數(shù)據(jù)的特點相符合。提出一種新的先驗信息提取模式——概率模式，根據(jù)歷史數(shù)據(jù)，有R個工程的數(shù)據(jù)，其中每個工程有ni個巖土強(qiáng)度參數(shù)x的樣本，按實際工程分組分別統(tǒng)計均值n1與方差s2n1，形成一組新的二元隨機(jī)樣本（{1，s2n1），（n2，s2n2）…（2nR，s2nR）}，認(rèn)為這組樣本來自先驗分布π(μ,σ2)，通過樣本參數(shù)估計對先驗分布進(jìn) 行 擬 合，從 而 確 定 先 驗 分 布π(μ,σ2)，如 圖9所示。

圖9 先驗信息提取的概率模式Fig. 9 Probability model of prior information extraction

與單一信息源模式及多信息源權(quán)重融合模式相比，提出的概率模式有3個特點：

1）歷史數(shù)據(jù)來自不同的工程，因此，認(rèn)為R個工程樣本來自R個正態(tài)或?qū)?shù)正態(tài)總體，這符合巖土參數(shù)隨機(jī)分布、具有明顯區(qū)域性的屬性。而單一信息源模式認(rèn)為所有數(shù)據(jù)服從同一個分布，多信息源差異權(quán)重融合模式雖然提出了存在多個總體，但對歷史數(shù)據(jù)不是按區(qū)域或工程進(jìn)行分組，分組具有一定主觀性，分組的數(shù)量也較少，只有3組。

2）按照貝葉斯理論，先驗分布是針對某一個參數(shù)而言，這里的參數(shù)是指巖土強(qiáng)度指標(biāo)x所服從的正態(tài)總體的兩個未知參數(shù)(μ,σ2)，而原始數(shù)據(jù)是關(guān)于x的樣本。單信息源模式是在設(shè)定σ2已知的情況下通過歷史數(shù)據(jù)得到x～N(a,b)，然后間接地推測μ～N(a,b/m0)即先驗分布π(μ)；多信息源差異權(quán)重融合模式是在單信息源模式的基礎(chǔ)上認(rèn)為存在多個先驗分布πi(θ)，θ表示μ或σ2，根據(jù)差異權(quán)重獲得綜合先驗分布。而概率模式是在原始數(shù)據(jù)的基礎(chǔ)上結(jié)合樣本來自不同工程的特點，進(jìn)行了二次處理，分別統(tǒng)計了各個工程的均值和方差，形成了一組 新 的 歷 史 數(shù) 據(jù) 樣 本（{n1，s2n1）,（n2，s2n2）…（nR，s2n

R）}，是直接針對參數(shù)(μ,σ2)的先驗樣本，這樣就減少了間接推測過程中主觀性的影響。另外，提出的概率模式將(μ,σ2)按二元隨機(jī)變量考慮，而其他兩種模式是在假設(shè)其中一個參數(shù)已知的情況下的一元隨機(jī)變量的先驗分布。

3）單一信息源模式實質(zhì)是一種工程類比的模式，即認(rèn)為歷史數(shù)據(jù)源于統(tǒng)一總體x～N(a,b)，認(rèn)為這個總體與待估總體x～N(μ,σ2)存在工程類比性，因此可以推測μ～N(a,b/m0)。多信息源權(quán)重融合模式與單一信息源模式的核心相同，只是認(rèn)為存在多個相似工程，按差異權(quán)重形成一個綜合的相似工程，然后按單一信息源模式推測先驗分布。而概率模式則是將(μ,σ2)視為二元隨機(jī)變量，根據(jù)其歷史樣 本（{n1，s2n1），（n2，s2n2）…（2nR，s2nR）}得 到 其 先 驗分布。

2.2.2 典型區(qū)域物理力學(xué)參數(shù)估計 巖土強(qiáng)度參數(shù)的貝葉斯估計是綜合先驗信息、總體信息和現(xiàn)場信息得到的，其中，先驗分布是基于某一隨機(jī)特征參數(shù)而言。提出一種針對巖土強(qiáng)度參數(shù)總體分布特征(μ,σ2)的聯(lián)合先驗分布，該分布基于大量歷史數(shù)據(jù)，并根據(jù)巖土參數(shù)的隨機(jī)分布特征，經(jīng)過一定的處理提煉而得。根據(jù)提出的基于歷史大數(shù)據(jù)的巖土強(qiáng)度參數(shù)貝葉斯估計方法，利用重慶市某工程所處區(qū)域的歷史數(shù)據(jù)，結(jié)合現(xiàn)場取樣測試的結(jié)果，確定巖土強(qiáng)度參數(shù)的貝葉斯估計值，如表1、表2所示。表1中，先驗信息樣本數(shù)量為38，現(xiàn)場樣本數(shù)量為8；表2中，先驗信息樣本數(shù)量為47，現(xiàn)場樣本數(shù)量為8。

表1 貝葉斯方法推斷的天然粉質(zhì)黏土強(qiáng)度參數(shù)結(jié)果Table 1 Results of natural silty clay inferred strength parameters by Bayesian method

表2 貝葉斯方法推斷的飽和粉質(zhì)黏土強(qiáng)度參數(shù)結(jié)果Table 2 Result of the strength parameters of saturated silty clay inferred by Bayesian method

2.3 空間幾何模型與物理力學(xué)參數(shù)模型的融合

地質(zhì)數(shù)據(jù)多源性是三維地質(zhì)建模最大的特點，模型構(gòu)建的關(guān)鍵是將這些數(shù)據(jù)有效地融合，以提高模型的應(yīng)用效率，指導(dǎo)工程設(shè)計。因此，在分別建立了三維地質(zhì)的空間幾何模型和物理力學(xué)參數(shù)模型后進(jìn)行數(shù)據(jù)的交匯融合，形成既包含幾何信息又包含物理信息的三維地質(zhì)模型（見圖10）。在數(shù)據(jù)交匯融合的過程中，涉及多方面的技術(shù)問題，如統(tǒng)一所有數(shù)據(jù)的坐標(biāo)系和比例尺、地表和地下數(shù)據(jù)的有效融合及主要數(shù)據(jù)和次要數(shù)據(jù)的有效融合等，主要包括：1）統(tǒng)一所有具有多源、多尺度、多分辨率數(shù)據(jù)的坐標(biāo)系和比例尺，構(gòu)建可以作為后期模型構(gòu)建的數(shù)據(jù)源和約束數(shù)據(jù)的數(shù)據(jù)庫；2）基于地表填圖和遙感解譯的地質(zhì)數(shù)據(jù)及鉆孔、中段平面圖、勘探線剖面圖、物探解譯的深部地質(zhì)數(shù)據(jù)進(jìn)行有效融合和插值處理；3）覆蓋整個建模區(qū)并足以構(gòu)建模型的主要數(shù)據(jù)和次要數(shù)據(jù)的有效融合。

圖10 空間幾何模型與物理力學(xué)參數(shù)交匯融合Fig. 10 Convergence and fusion of spatial geometric model and physical and mechanical parameters

3 典型區(qū)域三維地質(zhì)模型

3.1 空間幾何模型建模及深化處理

基于空間統(tǒng)計分析理論，在ArcGIS軟件中通過插值分析得到地層模型。為便于在Civil 3D中建模，將建立的三維雜填土、砂巖以及泥巖地層模型轉(zhuǎn)換為等高線模型輸出，如圖11所示。

圖11 地層模型Fig. 11 Stratigraphic model

在Civil 3D中使用曲面功能導(dǎo)入雜填土層的等高線，生成曲面，并通過提取實體生成三維實體；按此方法依次生成砂巖及泥巖三維實體，如圖12所示。由于所建三維地質(zhì)實體模型只是地質(zhì)模型，未反映出地下建筑等信息，因此，需要對模型進(jìn)行深化處理，以反映真實地層與建筑物的關(guān)系。

圖12 三維地質(zhì)實體模型Fig. 12 3D geological solid model

擬建模區(qū)域存在大量的地下建筑，因此，需在三維實體模型的相應(yīng)位置下方開挖基坑，其基坑建模步驟與隧道建模類似，需使用Civil 3D中實體編輯模塊的實體差集功能使三維地質(zhì)實體模型減去相應(yīng)的實體生成基坑。為更真實地反映擬建模區(qū)域的情況，在開挖隧道和基坑的三維地質(zhì)模型中建立相應(yīng)的建筑模型，其方式為在Revit軟件中參考實際建筑圖紙建立建筑模型，具體步驟為：將Revit中內(nèi)建模型通過實體拉伸和空模型拉伸建立建筑模型，將建立的建筑模型從Revit中導(dǎo)入Civil 3D中，并裝配在相應(yīng)位置，建立的模型如圖13所示。

圖13 復(fù)雜三維地質(zhì)模型Fig. 13 Complex 3D geological model

3.2 融合的三維地質(zhì)BIM模型地層物性參數(shù)

通過Civil 3D建立區(qū)域三維地質(zhì)模型，利用Civil 3D功能和Revit建模功能建立隧道、基坑和建筑三維地質(zhì)模型并進(jìn)行深化處理。為給后續(xù)其他工程提供設(shè)計指導(dǎo)和建議，還需對三維地質(zhì)模型的各個地層賦予相應(yīng)的地質(zhì)物性參數(shù)，為此，在Civil 3D建模平臺的基礎(chǔ)上開發(fā)了可以賦予地質(zhì)物性參數(shù)的插件（RWCD.bundle）。其使用方法為：

1）安裝插件（RWCD.bundle）；

2）打開Civil 3D建模平臺；

3）讀取或設(shè)置數(shù)據(jù)。

單個對象的數(shù)據(jù)讀寫如圖14所示，選取目標(biāo)三維地質(zhì)實體，選擇寫入數(shù)據(jù)或讀取數(shù)據(jù)。

圖14 對地層賦予相應(yīng)的地質(zhì)物性參數(shù)示意圖Fig. 14 Schematic diagram of assigning corresponding geophysical parameters to the strata

地層物性參數(shù)賦值流程為：

1）人工雜填土層物性參數(shù)賦值。根據(jù)地質(zhì)物性研究報告獲得人工雜填土的基底摩擦系數(shù)為0.25，在Civil 3D中輸入三維雜填土地層參數(shù)。

2）砂巖層物性參數(shù)賦值。根據(jù)地質(zhì)物性研究報告獲得砂巖的天然重度為24.53 kN/m3，天然抗壓強(qiáng)度標(biāo)準(zhǔn)值為39.6 MPa，飽和抗壓強(qiáng)度標(biāo)準(zhǔn)值為32 MPa，地基承載力特征值為14.36 MPa，地基極限承載力標(biāo)準(zhǔn)值為43.54 MPa，黏聚力為2.12 MPa，內(nèi)摩擦角為36.48°，變形模量為6 600 MPa，彈性模量為7 100 MPa，泊松比為0.16，抗拉強(qiáng)度為0.84 MPa，基底摩擦系數(shù)為0.65，在Civil 3D中輸入三維砂巖層參數(shù)。

3）泥巖層物性參數(shù)賦值。根據(jù)地質(zhì)物性研究報告獲得泥巖的天然重度為24.7 kN/m3，天然抗壓強(qiáng)度標(biāo)準(zhǔn)值為9.8 MPa，飽和抗壓強(qiáng)度標(biāo)準(zhǔn)值為6.5 MPa，地基承載力特征值為6.8 MPa，地基極限承載力標(biāo)準(zhǔn)值為10.78 MPa，黏聚力為0.67 MPa，內(nèi)摩擦角為33.55°，變形模量為1 460 MPa，彈性模量為1 700 MPa，泊松比為0.33，抗拉強(qiáng)度為0.27 MPa，基底摩擦系數(shù)為0.50，在Civil 3D中輸入三維泥巖層參數(shù)。

對各地層賦予地質(zhì)物性參數(shù)后，若需要讀取目標(biāo)地層的地質(zhì)物性參數(shù)，則只需選取目標(biāo)地層并選取讀取參數(shù)，即可獲得目標(biāo)地層參數(shù)。

4 結(jié)論

1）利用大量的巖土材料勘察試驗數(shù)據(jù)資源，結(jié)合先進(jìn)的巖土參數(shù)試驗方法、圖像識別及機(jī)器學(xué)習(xí)方法對巖土材料物理力學(xué)參數(shù)進(jìn)行分析研究。在此基礎(chǔ)上，利用大數(shù)據(jù)分析管理和數(shù)據(jù)處理思想，采用大數(shù)據(jù)交匯融合技術(shù)，將試驗和收集所得的地質(zhì)鉆孔數(shù)據(jù)（幾何數(shù)據(jù)和物理數(shù)據(jù)）進(jìn)行分類篩選。基于已有鉆孔數(shù)據(jù)，利用數(shù)學(xué)插值方法對空白區(qū)虛擬鉆孔的幾何特征數(shù)據(jù)進(jìn)行分析和推送，有效生成虛擬數(shù)字鉆孔。

2）基于已有的巖土材料試驗測試試驗參數(shù)，利用貝葉斯理論對空白區(qū)同類巖性材料的物理力學(xué)參數(shù)進(jìn)行估計，獲得相應(yīng)的巖土材料物理力學(xué)參數(shù)估計值，彌補(bǔ)了數(shù)據(jù)融合中巖土材料參數(shù)不足的問題。

3）利用實際獲取和計算生成的鉆孔地質(zhì)特征數(shù)據(jù)，從幾何特征和物理特征兩方面進(jìn)行大數(shù)據(jù)融合并進(jìn)行數(shù)據(jù)建模，得到一定區(qū)域范圍內(nèi)地質(zhì)巖層特征的三維空間分布及物理力學(xué)特征完整表達(dá)模型，實現(xiàn)區(qū)域地層結(jié)構(gòu)特征描述的數(shù)字化和可視化。