基于改进KNN算法的有限钻孔预测全域地质特征的方法

为解决传统建模方法难以对原始钻孔数据进行深度挖掘和利用的问题,提出一种改进KNN(K-nearest neighbor)算法,它是在原有的KNN算法的基础上,通过实现k值根据不同地层自动选取以及对原始地质资料的进一步利用,形成的一套空间自适应插值拟合算法。将一铁路勘查工程数据作为数据源,导入该数据到改进KNN算法模型中并运行,成功获得了该地各地层的特征k值,并实现了地质建模。通过对比实际建模以及实际的钻孔柱状图与KNN改进前后预测的钻孔柱状图发现,改进KNN算法对于薄层的预测更加准确,总体准确率更高。并且通过机器学习指标的对比验证发现,相比于原始KNN算法以及其他常见分类算法,改进KNN算法能够获得更好的地层预测效果,做到了“求全”与“求精”,能够较好地指导地下三维空间的预测。