1.基于局部搜索策略的多点统计三维地质模型自动重构方法，其特征在于，具体包括以下过程：

(1)加载数据，并将已知数据分配到模拟网格中；

(2)根据已知的各个二维横纵地质剖面在模拟网格中的位置，获取其在X、Y、Z方向上的索引，并计算被横纵剖面分割成的所有子区域的先验概率P0；

(3)确定多重网格G，依次对每一重网格进行处理，直至所有多重网格都被处理；获取当前网格g，如果此网格有效，则转步骤(4)，否则转步骤(13)；

(4)为当前网格g定义一个随机模拟路径，使得覆盖当前网格g上的所有未知结点；

(5)按顺序从随机模拟路径中获得当前模拟位置x，如果当前结点存在，转步骤(6)，否则转步骤(12)；

(6)根据当前结点在模拟网格中的位置，确定X、Y、Z三个方向上对应的搜索邻域NX、NY、NZ和对应的数据事件devX、devY、devZ；

(7)获取围绕着当前模拟位置x所在子区域的所有N个子截面的索引{x0,x1}、{y0,y1}、{z0,z1}，且1≤N≤6；

(8)以步骤(7)得到的子截面为训练图像，依次用数据事件devX、devY、devZ对相应方向上的子截面进行扫描，获取对应的N个条件概率密度函数{cpdf1,...,cpdfN}；

(9)从所有子截面中获得了对应于当前模拟位置x的N个条件概率密度函数{cpdf1,...,cpdfN}，然后从步骤(2)得到的先验概率P0中获取当前模拟位置x对应的子区域的先验概率p0；

(10)根据概率融合策略，融合获得的N个条件概率密度函数{cpdf1,...,cpdfN}和先验概率p0，从而获得联合概率分布；

(11)从最终的联合概率分布中随机提取一个对应属性，赋值给当前模拟位置x，转步骤(5)继续其它未知位置的属性模拟；

(12)当前网格g上所有未知结点已完成模拟，转步骤(3)进行下一重网格的模拟；

(13)各个多重网格G上的未知位置全部模拟完成，保存模拟结果，结束本次重构；

整个模拟网格上的所有结点的属性值已经全部获得，从而得到了充满整个建模空间的三维地质结构模型。

2.根据权利要求1所述的基于局部搜索策略的多点统计三维地质模型自动重构方法，其特征在于，所述步骤(8)中，对于其中任意一个子截面的扫描过程，执行以下步骤(8‑1)至(8‑8)：

(8‑1)根据子截面在整个模拟网格中的索引，获取当前被扫描子截面的所有结点；

(8‑2)设置一个随机扫描路径path，并初始化已匹配模式数目的计数器sum＝0；

(8‑3)依次从随机扫描路径中获取子截面中的对应位置pathii，如果ii

(8‑4)根据pathii所在训练图像中的位置获取对应的邻域N'和数据事件dev'；

(8‑5)使用以下公式计算来自模拟网格的数据事件dev和来自训练图像的数据事件dev'之间的模式距离d{dev,dev'}：其中k表示数据事件中包含结点的个数，Z(xj)和Z(yj)分别表示来自于模拟网格和训练图像中数据事件对应中心结点的属性值；

(8‑6)如果d{dev,dev'}≤t成立，则转步骤(8‑7)，否则转步骤(8‑8)；其中t为当前网格g对应的模式距离的阈值，如果当前模式距离小于该阈值，则被接收；

(8‑7)根据训练图像中数据事件中心结点对应的属性值，更新当前子截面对应的条件概率密度函数cpdf，并且使sum++；

(8‑8)如果sum>maximumN成立，则转步骤(9)，否则转步骤(8‑3)继续对当前子截面进行扫描；其中maximumN表示从当前训练图像中获取多点模式的最大数目。

3.根据权利要求2所述的基于局部搜索策略的多点统计三维地质模型自动重构方法，其特征在于，所述步骤(8)中，在对子截面进行扫描时，多重网格的搜索邻域半径R和模式距离的阈值t允许随着网格级别的增加而线性递减；第一重网格上的邻域半径R和阈值t由用户给定，即R＝R0，t＝t0；最后一重网格上将其固定为R＝1，t＝0；对于中间任意一重网格，其邻域半径R和阈值t表示为：

其中m表示多重网格的总数，τ(1≤τ≤m)表示当前网格的索引。

4.根据权利要求2所述的基于局部搜索策略的多点统计三维地质模型自动重构方法，其特征在于，所述步骤(8‑8)中，maximumN的一个取值范围是[50,100]，其中maximumN表示从当前子截面中获取多点模式的最大数目，当然也要根据模型网格的尺度以及地质结构的复杂程度做适度调整；从而通过控制匹配成功的模式的数目来控制条件概率密度函数cpdf的稳定性，避免不必要的计算耗时。

5.根据权利要求2所述的基于局部搜索策略的多点统计三维地质模型自动重构方法，其特征在于，所述步骤(10)中，概率融合策略包含以下两步：(10‑1)使用基于概率加法的Linear Pooling公式融合来自同一方向上互相平行的两个子截面的条件概率密度函数：

+

with w1,...,wm∈R .

其中A表示概率融合的属性类别，PG(A)表示融合后的该属性的概率，Pi(A)表示来自任一子截面的属性概率，wi为对应权重；一个子区域平行方向最多有两个截面，也只有当存在两个截面时才需要进行概率融合；此时m＝2，权重w1、w的值由以下公式求取：其中d1、d2分别表示当前模拟位置距两个子截面的距离；

(10‑2)使用基于概率乘法的Log‑Linear Pooling公式融合经步骤(10‑1)处理后的三个正交方向的概率分布以及先验概率：其中A表示概率融合的属性类别，n为参与概率融合的概率分布的数目，1≤n≤3，即最多为步骤(10‑1)处理后得到的X、Y、Z三个正交方向的概率分布，PG(A)表示融合后的该属性的概率，Pi(A)表示经步骤(10‑1)处理后任一子方向的属性概率，P0(A)为该属性的先验概率，wi为各个方向上概率的权重；包括先验概率的权重w0在内，其和必须为1，即通过对各权重的调节，使得不同方向的概率分布对最终的联合概率分布的影响程度不同，某一方向的权重越大，其最终结果越接近此概率分布情况；先验概率的权重即当 时，w0为正值，此时先验概率也参与了概率融合，并且权重w0越大，其影响也相应越大；当 时，w0＝0，先验概率的调节作用失效；当 时，w0为负数，此时先验概率是负调节作用，即最终的概率分布更加背离先验概率分布；在权重选择过程中，必须保证所有权重之和为1。