一种三维地质模型建模方法、装置及计算机设备

1.本发明涉及三维地质建模技术领域，尤其涉及一种三维地质模型建模方法、装置及计算机设备。


背景技术：

2.随着科学技术的进步和人类社会的发展，向地下要土地、要空间已成为城市历史发展的必然趋势。区域地质调查、城市地质勘探、地质环境评价以及城市地下空间开发与安全利用等工作的开展均离不开三维地质模型。
3.由于三维地质模型大多基于钻孔、剖面等结构化数据进行特征推演与空间插值所得的模拟结果，对于复杂的地质建模任务来说，这些数据始终是稀疏的。因此在建模过程中，地质建模人员通常需要运用大量的经验知识来对地质面的走向、地质体的厚薄、地质体间的关系进行调整；并且，目前三维地质建模方法中，缺乏建模与模型修正一体化的建模框架，且地质建模修正的过程中多为单次修正；存在三维地质模型的精度不高与细节表达不足。


技术实现要素：

4.为了解决以上问题，本发明实施例提供一种三维地质模型建模方法，具体包括以下步骤：
5.步骤s1：获取研究区域的多个钻孔位置点的钻孔数据，所述钻孔数据包括地层边界的三维坐标和地层属性；
6.步骤s2：对每个所述钻孔位置点的钻孔数据进行重采样使每个地层的地层边界之间具有相同数量的插值点，得到插值点的三维坐标和地层属性，对所述地层边界和所述插值点的三维坐标进行归一化处理；
7.步骤s3：利用归一化后的所述地层边界和所述插值点的三维坐标及所述地层边界和所述插值点的地层属性对stacking机器学习模型进行训练，利用训练后的stacking机器学习模型对研究区域的网格化三维地质建模区域上每个网格点处的地层属性进行预测，得到三维地质模型；
8.步骤s4：获取研究区域的地质资料数据库，由所述地质资料数据库得到研究区域中多个位置点处的每个岩层的厚度和产状；
9.步骤s5：利用所述岩层的厚度和产状对所述三维地质模型进行精度评价，根据精度评价结果筛选出所述三维地质模型对于研究区域的建模精度不符合要求的部分位置点作为误差位置点，以及符合要求的部分位置点作为非误差位置点，所述误差位置点和所述非误差位置点为网格化三维地质建模区域顶面上的网格点；
10.步骤s6：对于每个误差位置点，沿着逐步远离所述误差位置点的方向在360度方向上选取设定数量的多个非误差位置点，获取所述三维地质模型中位于所述多个非误差位置点正下方的对应地层边界的边界网格点，利用样条曲面拟合插值算法对地层属性相同的所
述边界网格点的三维坐标进行插值，计算得到所述误差位置点正下方的对应地层边界的修正边界网格点，根据所述修正边界网格点对所述三维地质模型中位于所述误差位置点正下方的网格的地层属性进行修正，得到修正后的三维地质模型；
11.步骤s7：返回步骤s5对三维地质模型进行迭代修正，直至修正后的三维地质模型的精度评价结果满足设定要求后停止迭代修正，输出三维地质模型。
12.进一步地，所述步骤s2中，归一化的公式为：
13.p
*
＝(p-μ)/σ
14.其中，p表示地层边界或插值点不同维度上的坐标数据，μ表示所有地层边界和插值点不同维度上的坐标数据的均值，σ表示所有地层边界和插值点不同维度上的坐标数据的标准差，p
*
表示归一化后的地层边界或插值点不同维度上的坐标数据。
15.进一步地，所述步骤s3包括如下步骤：
16.步骤s31：选取研究区域的外接矩形下设定厚度的地块在三维方向上根据设定密度进行网格划分，得到网格化三维地质建模区域；
17.步骤s32：将归一化后的所述地层边界和所述插值点的三维坐标及对应的所述地层边界和所述插值点的地层属性构成的原始数据集按设定比例划分为训练集和测试集；
18.步骤s33：将训练集划分为5部分，每次训练时，不重复地取其中1个部分作为测试集，其他4个部分作为训练集，按此分类方法可以得到5个分类器；
19.步骤s34：对于步骤s33中的每一种分类方法，利用5个分类器对取出的测试集进行预测，将每个预测结果顺次垂直拼接，作为元分类器的特征；此外还对步骤s32中划分的测试集进行预测，基于预测结果得到元分类器的另一个特征；
20.步骤s35：由步骤s34可得到每一种分类器提供的两个特征，3种基分类器共计6个特征，将该6个特征作为元分类器的训练特征，对应的真实类别作为训练标签，元分类器的测试集为步骤s34中对步骤s32划分出的测试集的预测结果所对应的真实标签；
21.步骤s36：利用步骤s35中得到的训练集以及测试集训练元分类器，得到最终的stacking机器学习模型；
22.步骤s37：利用训练好的stacking机器学习模型对网格化三维地质建模区域的每个网格中心点进行预测，得到每个待预测点的地层属性。
23.优选地，所述步骤s5包括如下步骤：
24.步骤s51：利用所述三维地质模型计算出所述地质数据资料库中多个位置点处的每个岩层的厚度，根据所述三维地质模型计算出的岩层的厚度和所述地质数据资料库中的岩层的厚度计算得到多个位置点处的分层厚度误差q和厚度平均相对误差d
mae
，分层厚度误差q、厚度平均相对误差d
mae
计算公式如下：
[0025][0026][0027]
其中，n为岩层的数量，d
mi
为三维地质模型计算出的每个位置点处的每个岩层的厚度，d
bi
为地质数据资料库中每个位置点处的每个岩层的厚度；
[0028]
步骤s52：利用arcgis中的克里金插值法，根据多个位置点处的所述分层厚度误差q在网格化三维地质建模区域的顶面生成研究区域的地层厚度误差等值线图，对误差等值线图利用自然间断点法将研究区域的误差根据大小值平均分成五个区间，将误差最大的两个区间对应的所述顶面上的部分区域内的网格点作为误差位置点，将其余三个区间对应的所述顶面上的部分区域内的网格点作为非误差位置点；
[0029]
步骤s53：根据所述地质数据资料库中的岩层产状计算得到研究区域中每个岩层最高点与每个岩层底部点在水平面投影的实际水平距离si，实际水平距离si计算公式如下：
[0030]
si＝lisinai[0031]
其中，li表示岩层长度，ai表示岩层倾角；
[0032]
利用所述三维地质模型计算出研究区域中每个岩层最高点与每个岩层底部点在水平面投影的预测水平距离s’i
，根据所述实际水平距离si和所述预测水平距离s’i
计算得到距离平均相对误差s
mae
，距离平均相对误差s
mae
计算公式如下：
[0033][0034]
步骤s54：将所述厚度平均相对误差d
mae
和所述距离平均相对误差s
mae
相加取平均作为整个研究区域的平均相对误差mae，平均相对误差mae计算公式如下：
[0035][0036]
优选地，所述步骤s6中，样条曲面拟合插值算法选取双三次样条插值算法，对应的多个非误差位置点的设定数量为16个。
[0037]
优选地，所述步骤s7包括如下步骤：
[0038]
返回步骤s51对三维地质模型进行迭代修正，直至平均相对误差mae小于设定阈值时停止迭代修正，输出三维地质模型。
[0039]
优选地，对三维地质模型进行修正的次数等于3次。
[0040]
优选地，在步骤s3和步骤s7后还分别包括如下步骤：对所述三维地质模型进行可视化。
[0041]
本发明实施例还提供一种三维地质模型建模装置，包括：
[0042]
第一数据获取模块，用于获取研究区域的多个钻孔位置点的钻孔数据，所述钻孔数据包括地层边界的三维坐标和地层属性；
[0043]
数据处理模块，用于对每个所述钻孔位置点的钻孔数据进行重采样使每个地层的地层边界之间具有相同数量的插值点，得到插值点的三维坐标和地层属性，对所述地层边界和所述插值点的三维坐标进行归一化处理；
[0044]
机器学习模型预测模块，用于利用归一化后的所述地层边界和所述插值点的三维坐标及所述地层边界和所述插值点的地层属性对stacking机器学习模型进行训练，利用训练后的stacking机器学习模型对研究区域的网格化三维地质建模区域上每个网格点处的地层属性进行预测，得到三维地质模型；
[0045]
第二数据获取模块，用于获取研究区域的地质资料数据库，由所述地质资料数据库得到研究区域中多个位置点处的每个岩层的厚度和产状；
[0046]
精度评价模块，用于利用所述岩层的厚度和产状对所述三维地质模型进行精度评
价，根据精度评价结果筛选出所述三维地质模型对于研究区域的建模精度不符合要求的部分位置点作为误差位置点，以及符合要求的部分位置点作为非误差位置点，所述误差位置点和所述非误差位置点为网格化三维地质建模区域顶面上的网格点；
[0047]
修正模块，用于对于每个误差位置点，沿着逐步远离所述误差位置点的方向在360度方向上选取设定数量的多个非误差位置点，获取所述三维地质模型中位于所述多个非误差位置点正下方的对应地层边界的边界网格点，利用样条曲面拟合插值算法对地层属性相同的所述边界网格点的三维坐标进行插值，计算得到所述误差位置点正下方的对应地层边界的修正边界网格点，根据所述修正边界网格点对所述三维地质模型中位于所述误差位置点正下方的网格的地层属性进行修正，得到修正后的三维地质模型；
[0048]
迭代输出模块，用于对三维地质模型进行迭代修正，直至修正后的三维地质模型的精度评价结果满足设定要求后停止迭代修正，输出三维地质模型。
[0049]
本发明实施例还提供一种计算机设备，包括处理器和存储器，存储在存储器上并可在处理器上运行的三维地质模型建模程序，该建模程序被处理器执行时实现如上所述的建模方法的步骤。
[0050]
与现有技术相比，本发明的有益效果包括：该方法集成了stacking机器学习算法，同时融入了从地质资料数据库中获取的地学知识，可以通过迭代修正获得满足地学知识要求的模型结果，结果表明集成stacking机器学习算法对地层的分类效果优于单一分类器，并且通过地学知识数据库迭代修正后得到的三维地质模型精度更高，模型的细节表达能力增强。
附图说明
[0051]
图1是本发明建模方法的流程图；
[0052]
图2是本发明建模方法的重采样原理示意图；
[0053]
图3是本发明建模方法的stacking机器学习模型训练的原理示意图；
[0054]
图4是本发明建模方法的stacking机器学习模型预测的三维地质模型示意图；
[0055]
图5是本发明建模方法的误差等值线图；
[0056]
图6是本发明建模方法的获取多个非误差位置点的方法原理图；
[0057]
图7是本发明建模方法的迭代修正过程的误差等值线图的变化示意图；
[0058]
图8是本发明建模方法的迭代修正得到的三维地质模型示意图；
[0059]
图9是本发明建模方法的预测的三维地质模型与迭代修正得到的三维地质模型细节对比图；
[0060]
图10本发明的建模装置的结构示意图。
具体实施方式
[0061]
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0062]
实施例1
[0063]
本发明提供了一种三维地质模型建模方法。请参考图1，图1是本发明重构方法的
流程图；本发明方法包括以下步骤：
[0064]
步骤s1：获取研究区域的多个钻孔位置点的钻孔数据，所述钻孔数据包括地层边界的三维坐标和地层属性。
[0065]
钻孔数据由勘测人员在研究区域的地面选取多个钻孔位置点向地下打孔得到，在一个位置点打不同的深度逐步深入，可以测出同一位置点由上到下的地层属性排布，继而可以确定不同地层边界处的三维坐标。如图2所示，图中左侧的条状图即为一个位置点钻孔得到的地层构造图，从地面点(x、y、h)到最低点(x、y、h3)之间由上到下分布三个地层a、b、c，a、b地层边界处的三维坐标为(x、y、h1)，b、c地层边界处的三维坐标为(x、y、h2)。本实施例中，地层边界的属性标记为地层边界上方的地层的属性。
[0066]
步骤s2：对每个所述钻孔位置点的钻孔数据进行重采样使每个地层的地层边界之间具有相同数量的插值点，得到插值点的三维坐标和地层属性，对所述地层边界和所述插值点的三维坐标进行归一化处理。
[0067]
由于不同地层其厚度不同，而且采样位置点三维坐标不同维度坐标的数值级别差距很大，尤其是深度方向的坐标比横向和纵向的坐标量级大得多，为了保证机器学习的精度，须要对每个钻孔位置点的钻孔数据进行重采样，保证不同地层具有相同数量的数据点，以及对所有数据点的三维坐标数据进行归一化，保证所有数据点的三维坐标的量级接近。
[0068]
如图2所示，在地面点(x、y、h)与地层边界点(x、y、h1)之间插入多个点(x、y、h1’)a、(x、y、h2’)a
…
等，在地层边界点(x、y、h1)与地层边界点(x、y、h2)之间插入多个点(x、y、h3’)a、(x、y、h4’)b
…
等，在地层边界点(x、y、h2)与地层边界点(x、y、h3)之间插入多个点(x、y、h5’)a、(x、y、h6’)c
…
等，保证每个地层具有相同数量的插值点。
[0069]
具体的，归一化的公式如下：
[0070]
p
*
＝(p-μ)/σ
[0071]
其中，p表示地层边界或插值点不同维度上的坐标数据，μ表示所有地层边界和插值点不同维度上的坐标数据的均值，σ表示所有地层边界和插值点不同维度上的坐标数据的标准差，p
*
表示归一化后的地层边界或插值点不同维度上的坐标数据。
[0072]
步骤s3：利用归一化后的所述地层边界和所述插值点的三维坐标及所述地层边界和所述插值点的地层属性对stacking机器学习模型进行训练，利用训练后的stacking机器学习模型对研究区域的网格化三维地质建模区域上每个网格点处的地层属性进行预测，得到三维地质模型。
[0073]
具体的，包括如下步骤：
[0074]
步骤s31：选取研究区域的外接矩形下设定厚度的地块在三维方向上根据设定密度进行网格划分，得到网格化三维地质建模区域。具体的，对地块在横向(x向)、纵向(y向)、竖向(z向)上根据设定的密度进行网格划分，得到一个n
x
*ny*nz的网格化三维地质建模区域，n
x
表示横向(x向)上网格的数量，ny表示纵向(y向)上网格的数量，nz表示竖向(z向)上网格的数量，每个网格的中心点作为待预测点，需要利用训练后的stacking机器学习模型对待预测点的地层属性进行预测。
[0075]
步骤s32：将归一化后的所述地层边界和所述插值点的三维坐标及对应的所述地层边界和所述插值点的地层属性构成的原始数据集按设定比例划分为训练集和测试集。具体的，将原始数据集按80％：20％的比例划分为训练集和测试集。
[0076]
步骤s33：将训练集划分为5部分，每次训练时，不重复地取其中1个部分作为测试集，其他4个部分作为训练集，按此分类方法可以得到5个分类器。
[0077]
步骤s34：对于步骤s33中的每一种分类方法，利用5个分类器对取出的测试集进行预测，将每个预测结果(即分类概率)顺次垂直拼接，作为元分类器的特征；此外还对步骤s32中划分的测试集进行预测，基于预测结果得到元分类器的另一个特征。
[0078]
步骤s35：由步骤s34可得到每一种分类器提供的两个特征，3种基分类器共计6个特征，将该6个特征作为元分类器的训练特征，对应的真实类别作为训练标签，元分类器的测试集为步骤s34中对步骤s32划分出的测试集的预测结果所对应的真实标签。
[0079]
步骤s36：利用步骤s35中得到的训练集以及测试集训练元分类器，得到最终的stacking机器学习模型，如图3所示。
[0080]
步骤s37：利用训练好的stacking机器学习模型对网格化三维地质建模区域的每个网格中心点进行预测，得到每个待预测点的地层属性。
[0081]
优选的，在步骤s3后还包括如下步骤：对所述三维地质模型进行可视化。
[0082]
具体的，将待预测点的三维坐标和对应的地层属性输入到gms软件中，生成可视化三维地质模型，如图所4示。
[0083]
步骤s4：获取研究区域的地质资料数据库，由所述地质资料数据库得到研究区域中多个位置点处的每个岩层的厚度和产状。
[0084]
具体的，所述地质资料数据库由地质报告和地质年鉴提取出的数据形成，所述数据包括岩性、岩层厚度、产状、地形地貌等。
[0085]
步骤s5：利用所述岩层的厚度和产状对所述三维地质模型进行精度评价，根据精度评价结果筛选出所述三维地质模型对于研究区域的建模精度不符合要求的部分位置点作为误差位置点，以及符合要求的部分位置点作为非误差位置点，所述误差位置点和所述非误差位置点为网格化三维地质建模区域顶面上的网格点。
[0086]
具体的，包括如下步骤：
[0087]
步骤s51：利用所述三维地质模型计算出所述地质数据资料库中多个位置点处的每个岩层的厚度，根据所述三维地质模型计算出的岩层的厚度和所述地质数据资料库中的岩层的厚度计算得到多个位置点处的分层厚度误差q和厚度平均相对误差d
mae
，分层厚度误差q、厚度平均相对误差d
mae
计算公式如下：
[0088][0089][0090]
其中，n为岩层的数量，d
mi
为三维地质模型计算出的每个位置点处的每个岩层的厚度，d
bi
为地质数据资料库中每个位置点处的每个岩层的厚度。
[0091]
步骤s52：利用arcgis中的克里金插值法，根据多个位置点处的所述分层厚度误差q在网格化三维地质建模区域的顶面生成研究区域的地层厚度误差等值线图，对误差等值线图利用自然间断点法将研究区域的误差根据大小值平均分成五个区间，将误差最大的两个区间对应的所述顶面上的部分区域内的网格点作为误差位置点，将其余三个区间对应的
所述顶面上的部分区域内的网格点作为非误差位置点，如图5。
[0092]
步骤s53：根据所述地质数据资料库中的岩层产状计算得到研究区域中每个岩层最高点与每个岩层底部点在水平面投影的实际水平距离si，实际水平距离si计算公式如下：
[0093]
si＝lisinai[0094]
其中，li表示岩层长度，ai表示岩层倾角；
[0095]
利用所述三维地质模型计算出研究区域中每个岩层最高点与每个岩层底部点在水平面投影的预测水平距离s’i
，根据所述实际水平距离si和所述预测水平距离s’i
计算得到距离平均相对误差s
mae
，距离平均相对误差s
mae
计算公式如下：
[0096][0097]
步骤s54：将所述厚度平均相对误差d
mae
和所述距离平均相对误差s
mae
相加取平均作为整个研究区域的平均相对误差mae，平均相对误差mae计算公式如下：
[0098][0099]
步骤s6：对于每个误差位置点，沿着逐步远离所述误差位置点的方向在360度方向上选取设定数量的多个非误差位置点，获取所述三维地质模型中位于所述多个非误差位置点正下方的对应地层边界的边界网格点，利用样条曲面拟合插值算法对地层属性相同的所述边界网格点的三维坐标进行插值，计算得到所述误差位置点正下方的对应地层边界的修正边界网格点，根据所述修正边界网格点对所述三维地质模型中位于所述误差位置点正下方的网格的地层属性进行修正，得到修正后的三维地质模型。
[0100]
如图6所示，沿着逐步远离所述误差位置点的方向在360度方向上选取设定数量的多个非误差位置点的方法如下：在网格化三维地质建模区域的顶面将对应所述多个钻孔位置点的网格点中的每三个相邻的网格点相连，生成三角网，将误差位置点m所在三角形作为基准三角形，以该基准三角形的3边逐层向外搜索相邻三角形，m点所在l1三角形为基准三角形，第二层三角形为l2，第三层三角形为l3，第四层三角形为l4，获取设定数量的多个非误差位置点。
[0101]
多个非误差位置点的设定数量与样条曲面拟合插值算法对应，优选的，本实施例中选取双三次样条插值算法，对应的多个非误差位置点的设定数量为16个。
[0102]
地层边界为两个不同属性地层之间的边界，根据三维地质模型可以得到边界网格点的三维坐标和地层属性，三维地质模型中在边界网格点正上方且在上方另一边界网格点正下方的网格点的地层属性与该边界网格点的地层属性相同。分别从三维地质模型中获取位于多个非误差位置点正下方的具有相同地层属性的边界网格点，对于每个相同的地层属性，多个非误差位置点正下方均具有一个边界网格点，利用样条曲面拟合插值算法对地层属性相同的多个边界网格点的三维坐标进行插值，得到位于误差位置点正下方的对应该地层属性的边界点的坐标。该边界点对应网格点时，该网格点为对应上述地层属性的修正边界网格点；该边界点不对应网格点时，该边界点正上方最近的一个网格点为对应上述地层属性的修正边界网格点。将三维地质模型中在修正边界网格点正上方且在上方另一修正边界网格点正下方的网格点的地层属性赋予与上述修正边界网格点的地层属性相同，完成每
个误差位置点正下方的网格的地层属性的修正后，得到修正后的三维地质模型。
[0103]
步骤s7：返回步骤s5对三维地质模型进行迭代修正，直至修正后的三维地质模型的精度评价结果满足设定要求后停止迭代修正，输出三维地质模型。
[0104]
具体的，包括如下步骤：
[0105]
返回步骤s51对三维地质模型进行迭代修正，直至平均相对误差mae小于设定阈值时停止迭代修正，输出三维地质模型。
[0106]
优选的，对三维地质模型进行修正的次数大于3次。如图7所示，对比4次三维地质模型修正前后地层厚度误差等值线的变化情况，对三维地质模型进行修正的次数大于3次后，地层厚度误差等值线变化不明显。
[0107]
优选的，在步骤s7后还包括如下步骤：对所述三维地质模型进行可视化。
[0108]
具体的，将待预测点的三维坐标和对应的地层属性输入到gms软件中，生成可视化三维地质模型，如图所8示。对比修正前后得到的三维地质模型如图9所示，对比修正前后的局部细节a和b、a和b，可以得出修正后的三维地质模型相比未修正的模型细节表达增强。
[0109]
本发明提出了一种三维地质模型建模方法，该方法集成了stacking机器学习算法，同时融入了从地质资料数据库中获取的地学知识，可以通过迭代修正获得满足地学知识要求的模型结果，结果表明集成stacking机器学习算法对地层的分类效果优于单一分类器，并且通过地学知识数据库迭代修正后得到的三维地质模型精度更高，模型的细节表达能力增强。
[0110]
实施例2
[0111]
本发明提供了一种三维地质模型建模装置，请参考图10，图10是本发明的建模装置100的结构示意图；本发明的建模装置100包括：
[0112]
第一数据获取模块110，用于获取研究区域的多个钻孔位置点的钻孔数据，所述钻孔数据包括地层边界的三维坐标和地层属性。
[0113]
数据处理模块120，用于对每个所述钻孔位置点的钻孔数据进行重采样使每个地层的地层边界之间具有相同数量的插值点，得到插值点的三维坐标和地层属性，对所述地层边界和所述插值点的三维坐标进行归一化处理。
[0114]
机器学习模型预测模块130，用于利用归一化后的所述地层边界和所述插值点的三维坐标及所述地层边界和所述插值点的地层属性对stacking机器学习模型进行训练，利用训练后的stacking机器学习模型对研究区域的网格化三维地质建模区域上每个网格点处的地层属性进行预测，得到三维地质模型。
[0115]
第二数据获取模块140，用于获取研究区域的地质资料数据库，由所述地质资料数据库得到研究区域中多个位置点处的每个岩层的厚度和产状。
[0116]
精度评价模块150，用于利用所述岩层的厚度和产状对所述三维地质模型进行精度评价，根据精度评价结果筛选出所述三维地质模型对于研究区域的建模精度不符合要求的部分位置点作为误差位置点，以及符合要求的部分位置点作为非误差位置点，所述误差位置点和所述非误差位置点为网格化三维地质建模区域顶面上的网格点。
[0117]
修正模块160，用于对于每个误差位置点，沿着逐步远离所述误差位置点的方向在360度方向上选取设定数量的多个非误差位置点，获取所述三维地质模型中位于所述多个非误差位置点正下方的对应地层边界的边界网格点，利用样条曲面拟合插值算法对地层属
性相同的所述边界网格点的三维坐标进行插值，计算得到所述误差位置点正下方的对应地层边界的修正边界网格点，根据所述修正边界网格点对所述三维地质模型中位于所述误差位置点正下方的网格的地层属性进行修正，得到修正后的三维地质模型。
[0118]
迭代输出模块170，用于对三维地质模型进行迭代修正，直至修正后的三维地质模型的精度评价结果满足设定要求后停止迭代修正，输出三维地质模型。
[0119]
实施例3
[0120]
本发明还提供一种计算机设备，包括处理器和存储器，存储在存储器上并可在处理器上运行的三维地质模型建模程序，该建模程序被处理器执行时实现上述三维地质模型建模方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
[0121]
以上所述本发明的具体实施方式，并不构成对本发明保护范围的限定。任何根据本发明的技术构思所做出的各种其他相应的改变与变形，均应包含在本发明权利要求的保护范围内。