Геоэкология. Инженерная геология, гидрогеология, геокриология, 2023, № 6, стр. 62-70

Разработка цифровой модели из набора геологических, инженерно-геологических и цифровых карт рельефа

Количество исходных данных не должно быть избыточным. Соблюдается Принцип бритвы Оккама: “Не следует привлекать новые сущности без крайней на то необходимости”.

Для работы использовались следующие карты территории г. Сочи:

1. Геологическая карта. ФГУГП “Кавказгеолсъемка”. Масштаб 1:200 000.

2. Карта покровных отложений. ОАО “Кавказгидрогеология”. Масштаб 1:100 000.

3. Карта высотных поясов. Цифровая модель. Масштаб 1:25 000.

4. Карта уклонов. Цифровая модель. Масштаб 1:25 000.

5. Карта опасных природных процессов. ОАО “Росстройизыскания”. Масштаб 1:100 000.

Из геологической карты выделяются слои стратиграфических и формационно-генетических комплексов, литологического состава горных пород в виде отдельных карт. Именно этот набор входит в состав рекомендуемых для разработки документов территориального планирования:

− карта инженерно-геологического районирования территории,

− карта территорий, подверженных риску возникновения чрезвычайных ситуаций природного и техногенного характера.

Таким образом, в нашем распоряжении имелась следующая информация: возраст пород, формационно-генетические комплексы, литологический состав коренных пород, тип поверхностных отложений, характеристика форм рельефа (высотные пояса и уклоны склона), а также карта опасных природных процессов. Поочередно карты преобразуются в таблицу: столбцы – ширина карты в пикселях, высота – количество строк в пикселях. Каждая ячейка таблицы состоит из набора индексов, несущих конъюнкцию сведений из введенного набора карт. Создается файл Index.csv. Используя порядковые номера элементов легенд, создаются возможные сочетания параметров, описывающих изучаемый процесс. Полученный результат преобразуется в набор входных одномерных матриц, используемых для машинного обучения, сведенных в файл Legend.csv. Нейросеть в данном примере должна научиться выделять из входного потока данных файла Index.csv природные процессы: карст, затопление, оползни, обвалы, входящие в обучающий файл Legend.csv. Структура подготовки карт для обучения приведена на рис. 3.

Рис. 3.

Набор карт для обучения нейросети.

Верхняя карта – карта опасных природных процессов. Оползни, по возможности, разделяются на маломощные площадные, оползни-потоки и блочные. Верхней карте природных процессов соответствуют 6 карт, участвующих в ее описании (см. рис. 3). Важное условие: карты должны быть одинакового размера, одного масштаба, в одной системе координат. Этого легко добиться, используя возможности геоинформационных систем.

Подготовка входных данных для машинного обучения нейросети

Описание природных процессов при подготовке входных данных для обучения нейросети основано на результатах исследований природных процессов Южного склона Большого Кавказа [1–3, 5]. Для машинной обработки необходимо формализовать исходные данные с помощью высказываний, описывающих изучаемый процесс. При описании процесса используются порядковые номера параметров легенд с каждой карты (рис. 4). Для корректного описания природных процессов для машинного обучения нейросети применен аппарат алгебры логики. В задании, пригодном для машинного обучения, индексы вариантов из элементов легенд к картам сводятся в единую таблицу одномерных матриц (файл Legend.csv).

Рис. 4.

Описание процессов карста, затопления, оползней, обвалов.

Возможны два варианта подготовки задания для обучения: первый, когда вручную в программу вводятся параметры легенд, участвующие, по мнению исполнителя, в образовании того или иного процесса; второй, когда программа самостоятельно делает выборку параметров из карт в границах контуров развития процессов с обучающей карты. Во втором случае необходимо провести дополнительную обработку исходных данных для исключения не имеющих место событий. Это необходимо при использовании картографических материалов мелкого масштаба при вынесении на топооснову более крупного масштаба. Таблица задания с перечнем вариантов возникновения событий в обоих случаях достигает значительных размеров. Итогом подготовки обучающего задания является файл Task.csv.

Создание нейросети

Основой нейросети являются входная и скрытая матрицы, распределяющие на выходе входной обучающий сигнал на составляющие элементы событий с приемлемой точностью, достигнутой при обучении. Смысл алгоритма обратного распространения ошибки, используемый для обучения нейросети и подробно описанный в [4], следующий:

1. L0 → WIH → L1 → WHO → L2.

Входной сигнал, содержащий описание природного процесса, проходит через входную матрицу, образуя промежуточный сигнал. Промежуточный сигнал проходит через скрытую матрицу, получая на выходе конечный результат также в виде одномерной матрицы.

2. Err = Y–L2.

Вычисляется разность между входным и конечным сигналами.

Если Err ≤ Tr – конец расчета.

Если Err > Tr – переход к пункту 3.

3. Err → WHO → L1 → WIH – переход к пункту 1.

Ошибка расчета вносит коррективы в скрытую матрицу, в промежуточный результат, во входную матрицу.

Обозначения: L0 – входные параметры, Y – правильные ответы, Tr – допустимая точность расчета, L1 – промежуточный результат, L2 – конечный результат, WIH – матрица связи между входными параметрами и промежуточным результатом, WHO – матрица связи между промежуточным результатом и выходными параметрами, Err – точность вычисления.

Результат расчета – входная WIH и скрытая WHO матрицы, необходимые для работы нейросети. Операции 1–3 повторяются до тех пор, пока Tr не достигнет заранее оговоренной минимальной величины. Автором разработана собственная библиотека из необходимых функций, что расширило возможности для решения целого ряда подобных задач.

Из применяемой для машинного обучения нейросети карты распространения опасных природных процессов взяты: карст, затопление, бесструктурные маломощные оползни, оползни течения, блочные оползни, обвалы. Есть и другие, не менее важные, но остановимся пока на этих. Обработано 867 оползней, взятых из карты масштаба 1:100 000, и 109 оползней из карты масштаба 1:10 000. Произведен программный контроль входных данных для исключения ошибок выноса контуров оползней, затопления, карстовых областей на топооснову при переносе из мелкомасштабных карт на более детальные карты.

Для работы с нейросетью создан набор программ:

1. Программа перевода набора карт в табличный вид.

2. Программа создания Задания из набора вариантов, описывающих природные процессы, из легенд к картам.

3. Программа создания и контроля автоматически созданного задания.

4. Программа обучения нейросети.

5. Программа обработки нейросетью входного сигнала с определением прогнозируемого природного процесса с отражением на топографической карте. Возможно получение комплексного описания природных условий в точке, построение линейного профиля с выделением участков развития природных процессов, построение карты с прогнозом площадного развития природных процессов.

На рис. 5 приведена блок-схема реализации машинного обучения нейросети. Необходимо осознавать, что реализация работы нейросети является просто удобным математическим аппаратом выделения из потока данных объектов с конкретным набором признаков. Несомненное достоинство, что выделяемые нейросетью природные процессы могут быть совершенно разными по механизму образования. Процесс обработки задания и формирования нейросети приведен на рис. 6.

Рис. 5.

Структура создания нейросети.

Рис. 6.

Построение нейросети.

Во входном потоке обрабатываемых данных присутствовали: области развития карста и затопления, разновидности оползневых процессов, обвалы. Создается файл Matrix.csv, содержащий входную и скрытую матрицы. Конечный результат – программа, в которую пользователь загружает топографическую карту. Вводится цифровой набор инженерно-геологических, геологических и других карт по выбору, использованных при обучении нейросети, т.е. для формирования входной и скрытой матрицы. Вводится файл с матрицами. Входной сигнал считывается с координат топографической карты, совпадающих с координатами используемых инженерно-геологических карт. На выходе прогноз проявления для заданной точки, профиля или участка проявления природных процессов, или их отсутствие.

Контроль полученного результата

Окончательным критерием правильности работы нейросети является сравнение полученных результатов с материалами полевой оползневой съемки, а также визуальное обследование состояния инженерных сооружений. На рис. 7 приведен фрагмент оползневой карты, построенной нейросетью, с вынесенными контурами активных оползней с карты масштаба 1:10 000, построенной сотрудниками СКГЭЦ г. Сочи в результате многолетнего мониторинга. На карту также вынесены результаты наблюдений, выполненные Департаментом строительства и архитектуры Администрации г. Сочи в 2022–2023 гг. Вынесены 430 точек с деформацией инженерных сооружений, а также участки с активными оползневыми процессами, затопления. После обработки цифровой модели рельефа построены и вынесены на карту оси поверхностного стока воды. Анализ результатов работы нейросети после совмещения с картой природных процессов показал:

Рис. 7.

Контроль работы нейросети при выделении природных процессов.

1. Большая часть оползневых процессов наблюдается в породах глинисто-песчаной формации олигоцен-миоцена и песчано-глинистой формации палеоцена.

2. Построенные нейросетью территории возможного проявления оползневых процессов хорошо коррелируются с имеющимися оползневыми картами и участками выявленных деформаций инженерных сооружений.

3. Маломощные площадные оползни развиваются на пологих склонах водоразделов согласных падению слоев горных пород, блочные оползни – на крутых склонах с обратным падением горных пород. Оползни течения развиваются по осям временных и постоянных водотоков.

4. Площадь затопления построена нейросетью без учета существующих гидротехнических сооружений, тем не менее подтверждена паводковыми событиями последних лет.

5. Оползневая активность возрастает на участках вырубки леса, строительства инженерных сооружений.

6. Высока вероятность деформации водонесущих коммуникаций, подземных и поверхностных, а также подъема уровня грунтовых вод из-за масштабных сооружений инженерной защиты.

Работа с нейросетью

Для построения карт с использованием нейросети используются:

1. Файл Index.csv – таблица индексов, созданная из набора отобранных для обучения нейросети карт.

2. Файл Matrix.csv – матрицы связи нейросети.

Результаты работы нейросети выносятся на топографическую основу. На рис. 8 приведен фрагмент карты прогноза развития природных процессов на участке Хостинского района г. Сочи. Нейросеть выделила область возможного паводкового затопления, обвально-оползневые склоны. Обращает внимание факт относительно благополучного выбора территорий для проживания. В верхней части рис. 8 вдоль линии ЛЭП построен профиль, на котором нейросеть выделила участки затопления, обвально-оползневых процессов. Также появилась возможность получения геологической информации в каждой точке топографической карты.

Рис. 8.

Выделенные нейросетью участки прогнозирования затопления, обвалов, оползней.

Выполненная работа может стать удобным инструментом для геологов при составлении программы полевых работ, для разработчиков документов территориального планирования при функциональном зонировании территории, для административных органов при выделении участков под строительство.