Automatic spatial inference of stratigraphic piles under non-stationary conditions from borehole data

Les piles stratigraphiques (SP) sont essentielles pour construire des modèles fiables du sous-sol en géotechnique. Elles soutiennent l'interprétation des logs et orientent la génération hiérarchique des surfaces stratigraphiques. Cependant, un étiquetage incohérent ou un choix inapproprié des SP peut conduire à des modèles irréalistes. À mesure que les bases de données de forages s'accroissent, l'établissement de cadres stratigraphiques cohérents devient difficile en raison de l'hétérogénéité géologique, de la non-stationnarité et des incohérences des données (p. ex., descriptions lithologiques incohérentes, mauvaise corrélation des unités, interprétations contradictoires des faciès). Cette étude adapte un algorithme global, fondé sur des matrices, pour inférer des séquences stratigraphiques locales à partir de données de forage, en intégrant les coordonnées spatiales dans un cadre probabiliste. L'approche combine une fenêtre mobile, des règles d'inférence, et une pondération spatiale. Il produit des cartes MAP de configuration et des cartes de probabilité de transition dérivées de l'incertitude a posteriori. Les résultats montrent une cohérence stratigraphique en délimitant les contextes géologiques et en quantifiant l'incertitude.

Abstract

Stratigraphic piles (SP) are essential for building reliable subsurface models in geotechnical studies. They support log interpretation and guide the generation of hierarchical stratigraphic surfaces. However, inconsistent labeling or inappropriate SP selection can produce unrealistic models. As borehole databases grow, establishing coherent stratigraphic frameworks becomes increasingly difficult due to geological heterogeneity, non-stationarity, and data inconsistencies (e.g., inconsistent lithological descriptions, unit miscorrelation, and conflicting facies interpretations). This study adapts a global matrix-based algorithm to infer local stratigraphic sequences from borehole data using a probabilistic formulation that incorporates spatial coordinates. The approach combines a moving window, inference rules, and spatial distance weighting. It generates MAP configurations and transition-probability maps that quantify spatial variability and uncertainty. Results show improved stratigraphic coherence through the delineation of geological contexts and the quantification of uncertainty.