Gempy 是一个开源 Python 库，用于生成完整的 3D 结构地质模型。该库是从界面、断层和层方向创建地质模型的完整开发，它还关联地质层序列以表示岩石侵入和断层顺序。

地质建模算法基于通用协同克里金插值法，并支持 Numpy、PyMC3 和 Theano 等高端 Python 数学库。

Gempy 创建了一个网格模型，可以使用 Matplotlib 将其可视化为 2D 截面，也可以将 3D 几何对象可视化为 VTK 对象，允许在 Paraview 上表示地质模型，以进行自定义切片、过滤、透明度和样式设置。

本教程是具有 5 层和一个断层的分层地质设置的基本示例。为了让大多数用户完全可以访问本教程，我们创建了一个关于如何在 Windows 上使用 Anaconda 存储库分发安装 Gempy 的补充教程。可以在这里查看教程视频。

1、设置 Python 环境

在这一部分中，我们导入教程所需的库。该脚本需要 Gempy 以及 Numpy 和 Matplotlib。我们在脚本单元（%matplotlib inline）之后为 Matplotlib 图形的交互式表示配置了一个 Jupyter 选项。
请注意，警告只是用户在运行脚本时必须记住的消息，它们并不意味着代码失败。由于本教程是在 Windows 上，一些补充库无法安装，但地质建模代码的整体性能是完整的。

# Embedding matplotlib figures in the notebooks
%matplotlib inline

# Importing GemPy
import gempy as gp

# Importing auxiliary libraries
import numpy as np
import matplotlib.pyplot as plt

2、创建地质模型对象和地理学定义

本教程在 2km x 2km x 2km 的扩展范围内创建一个 100 列 x 100 行 x 100 层的网格。更高的分辨率是可能的，但计算时间会更长。坐标系为局部坐标系，教程将使用 UTM 坐标评估 Gempy 的性能。
方向和地质接触从 CSV 文件导入并转换为 Pandas 数据框。然后定义地质系列（断层/地层）以及地质构造序列。
值得一提的是，必须独立插入故障，其中最近的排在第一个：

# Importing the data from CSV-files and setting extent and resolution
geo_data = gp.create_data([0,2000,0,2000,0,2000],[100,100,100],
                          path_o = "../Txt/simple_fault_model_orientations.csv", # importing orientation (foliation) data
                          path_i = "../Txt/simple_fault_model_points.csv") # importing point-positional interface data

gp.get_data(geo_data).loc[:,['X','Y','Z','formation']].head()

# Assigning series to formations as well as their order (timewise)
gp.set_series(geo_data, {"Fault_Series":'Main_Fault',
                      "Strat_Series": ('Sandstone_2','Siltstone', 'Shale', 'Sandstone_1')},
                       order_series = ["Fault_Series", 'Strat_Series'],
                       order_formations=['Main_Fault',
                                         'Sandstone_2','Siltstone', 'Shale', 'Sandstone_1',
                                         ], verbose=0)

3、地质序列图

Gempy 有一些有用的特征来表示定义的地质序列和地层序列。

gp.get_sequential_pile(geo_data)

<gempy.plotting.sequential_pile.StratigraphicPile at 0x107149e8>

4、审查输入数据

可以通过 Gempy 的“.get_”函数访问用于构建地质模型的不同数据集。

# Review of the centroid coordinates from the model grid
gp.get_grid(geo_data).values

array([[   10.,    10.,    10.],
       [   10.,    10.,    30.],
       [   10.,    10.,    50.],
       ..., 
       [ 1990.,  1990.,  1950.],
       [ 1990.,  1990.,  1970.],
       [ 1990.,  1990.,  1990.]], dtype=float32)

# Defined interfases from the input CSV data
gp.get_data(geo_data, 'interfaces').loc[:,['X','Y','Z','formation']].head()

# Defined layer orientations from the input CSV data
gp.get_data(geo_data, 'orientations').loc[:,['X','Y','Z','formation','azimuth']]

5、输入数据的图形表示

在这一部分中，进行了 2D 和 3D 表示以呈现接口和方向。

gp.plot_data(geo_data, direction='y')

E:\Software\Anaconda3\lib\site-packages\gempy\gempy_front.py:927: FutureWarning: gempy plotting functionality will be moved in version 1.2, use gempy.plotting module instead
  warnings.warn("gempy plotting functionality will be moved in version 1.2, use gempy.plotting module instead", FutureWarning)

gp.plotting.plot_data_3D(geo_data)

6、地质插值

输入数据准备好后，我们可以使用 Gempy 库中的 InterpolatonData 方法定义插值的数据和参数。

地质模型在“compute_model”方法下计算。模型过程的结果是与 geo_data 具有相同阵列维度的岩性和断层。

interp_data = gp.InterpolatorData(geo_data, u_grade=[1,1], output='geology', compile_theano=True, theano_optimizer='fast_compile')

Compiling theano function...
Compilation Done!
Level of Optimization:  fast_compile
Device:  cpu
Precision:  float32
Number of faults:  1

interp_data.geo_data_res.formations.as_matrix

<bound method NDFrame.as_matrix of              value  formation_number
Main_Fault       1                 1
Sandstone_2      2                 2
Siltstone        3                 3
Shale            4                 4
Sandstone_1      5                 5
basement         6                 6>

interp_data.geo_data_res.get_formations()

[Main_Fault, Sandstone_2, Siltstone, Shale, Sandstone_1]
Categories (5, object): [Main_Fault, Sandstone_2, Siltstone, Shale, Sandstone_1]

lith_block, fault_block = gp.compute_model(interp_data)

7、岩性模型探索

岩性区块有两部分，第一部分包含有关岩性地层的信息，第二部分表示方向。在这一部分中，岩性分布和断层分离信息用直方图表示。

lith_block[0]

array([ 6.3131361 ,  6.24877167,  6.19397354, ...,  2.00398016,
        2.00626612,  2.00983   ], dtype=float32)

plt.hist(lith_block[0],bins=100)
plt.show()

plt.hist(fault_block[0],bins=10)
plt.show()

8、地质模型表示

与任何其他 Numpy 数组一样，生成的岩性块可以在 Matplotlib 上表示。然而，Gempy 有特殊的横截面表示方法。通过使用 Jupyter 小部件，沿 Y 方向的地质横截面的交互式表示是使用把手沿行移动来执行的。

gp.plotting.plot_section(geo_data, lith_block[0], cell_number=50,  direction='y', plot_data=False)

import ipywidgets as widgets

def plotCrossSection(cell):
    gp.plotting.plot_section(geo_data, lith_block[0], cell_number=cell,  direction='y', plot_data=False)


widgets.interact(plotCrossSection, cell=widgets.IntSlider(min=0,max=99,step=1,value=50) )

gp.plotting.plot_scalar_field(geo_data, lith_block[1], cell_number=50, N=6,
                        direction='y', plot_data=False)
plt.colorbar()
plt.show()

ver_s, sim_s = gp.get_surfaces(interp_data,lith_block[1],
                               fault_block[1],
                               original_scale=True)

gp.plotting.plot_surfaces_3D(geo_data, ver_s, sim_s)

9、输入文件

可以在此链接上下载本教程的输入文件。

原文链接：http://www.bimant.com/blog/gempy-3d-geological-modelling/