基于机器学习的岩溶裂隙空间分布预测研究：以北京房山为例

摘要

岩溶裂隙发育具有高维、非线性及空间异质性特征，如何刻画裂隙的空间展布是岩溶发育规律研究的难点。以多源数据驱动的机器学习建模方法可以有效捕捉裂隙系统中隐含的非线性、非连续的特征，从而显著地提高裂隙识别与刻画的效率与精度。本研究以北京市房山张坊地区为研究对象，基于翔实的野外裂隙实测数据，系统融合了地表地形信息、区域构造背景、地层岩性分布以及地下水位等多源数据集。利用机器学习框架构建了一套综合性的定量化特征体系，该体系涵盖了断层空间影响、地层岩性组合特征、地下水埋深变化以及高精度地形衍生属性(如坡度、曲率等)等多个维度的指标。重点研究对比了支持向量回归、极致梯度提升树及随机森林这三种机器学习方法，旨在预测研究区内岩溶裂隙的发育与空间分布情况。结果表明，基于随机森林构建的预测模型表现最为优异。该模型的裂隙密度、节理走向与倾角的模拟结果与实测统计数据最符合，模型表现最为稳健，具有良好的泛化能力和方法适用性，在表达多期次裂隙发育等复杂地质过程方面具有独特优势。本研究的结果揭示，将数据驱动模型与深入的地质机理分析相融合，是突破复杂岩溶系统定量化表征与预测难题的一条有效途径。

关键词

岩溶裂隙 / 机器学习 / 支持向量回归 / 梯度提升树 / 随机森林 / 北京房山

基金资助

国家自然科学基金项目(42372298)