map_stack_to_surfaces

功能

将指定网格点的堆栈数据映射到对应的地层表面上。

语法

map_stack_to_surfaces(data: gempy.core.data_module.StackData,
                      self: gempy.core.model.ImplicitCoKriging,
                      points: Optional[np.ndarray]=None,
                      return_block: bool=False,
                      block_resolution: float=None,
                      return_topology: bool=False,
                      n_points_out: int=20,
                      **kwargs) -> Union[Tuple[np.ndarray, np.ndarray],
                                        Tuple[np.ndarray, np.ndarray,
                                              gempy.core.solution_module.Topology]]:

参数

data (gempy.core.data_module.StackData): 堆栈数据对象。
self (gempy.core.model.ImplicitCoKriging): 隐式克里金模型对象。
points (Optional[np.ndarray]): 需要映射的网格点坐标，形状应为 (n_points, 3)。若为 None，则使用网格对象上的所有网格点计算地层表面。
return_block (bool): 是否返回块对象。
block_resolution (float): 块对象的分辨率。
return_topology (bool): 是否返回拓扑信息。

拓扑信息包括每个网格点在模型中的三个面的顶点索引，以及每个网格点在模型中的所有层的顶点索引。返回的 Topology 类型对象可用于后续的去重和可视化操作。

n_points_out (int): 映射操作的并行度。默认值为 20，即使用 20 个线程进行计算。
**kwargs: 其他参数，暂未使用。

返回一个元组：

如果 return_block 为 False，返回一个二维数组，形状为 (n_points, n_surfaces)，表示指定网格点对每个地层表面的垂直距离。
如果 return_block 为 True，并且 block_resolution 不为 None，则返回两个数组：
- 形状为 (n_x, n_y, n_z) 的三维数组，代表指定分辨率下的块，其中 n_x、n_y、n_z 分别代表块在 x、y、z 轴上的数量。
- 形状为 (n_points, n_surfaces) 的二维数组，表示指定网格点对每个地层表面的垂直距离。
如果 return_block 为 True，但 block_resolution 为 None，则返回两个数组：
- 形状为 (n_x, n_y, n_z) 的三维数组，代表使用默认分辨率的块，其中 n_x、n_y、n_z 分别代表块在 x、y、z 轴上的数量。
- 形状为 (n_points, n_surfaces) 的二维数组，表示指定网格点对每个地层表面的垂直距离。

如果 return_topology 为 True，则返回的元组中会多出一个 Topology 类型的拓扑信息对象。

示例

import gempy as gp
import numpy as np

# 读取数据文件并定义模型
geo_model = gp.create_model('tutorial_stack')
gp.init_data(geo_model, [0, 2000., 0, 1200., 0, 1200.], [50, 30, 30],
             path_i="data/input_data/foliations.csv",
             path_o="data/input_data/interfaces.csv")

# 创建隐式克里金模型对象并计算
interp_data = gp.set_interpolator(geo_model, output=['geology'], compile_theano=True, theano_optimizer='fast_run')
interp_data.interpolator.tg.stat

# 创建堆栈数据并映射到地层表面上
stack_data = gp.data.StackData(geo_model)
geo_model.surfaces.colors.change_colors(['red', 'green', 'blue'])
gp.map_stack_to_surfaces(stack_data=stack_data, self=interp_data, return_block=False)

上述示例中，首先读取数据文件并定义模型，然后创建隐式克里金模型对象 interp_data。接下来创建堆栈数据对象 stack_data 并将其映射到对应的地层表面上。最终返回各网格点到地层表面的距离数据。