[发明专利]基于生成对抗神经网络的数字岩心重构方法及系统

权利要求书

1.一种基于生成对抗神经网络的数字岩心重构方法，其特征在于，包括：

执行如下迭代处理：

根据生成器的权重矩阵和生成器的偏置对预设的历史噪声数据进行处理，得到生成数字岩心模型；

根据判别器的权重和判别器的偏置对所述生成数字岩心模型进行处理，得到生成数字岩心模型判别概率；

根据所述判别器的权重和所述判别器的偏置对真实数字岩心数据进行处理，得到真实数字岩心数据判别概率；其中，所述真实数字岩心数据由岩心扫描图像获得；

根据所述生成数字岩心模型判别概率和所述真实数字岩心数据判别概率确定损失函数；

判断当前迭代次数是否达到预设迭代次数；

当所述当前迭代次数达到预设迭代次数时，根据当前迭代中的生成器的权重矩阵和生成器的偏置对当前噪声数据进行处理，得到数字岩心模型，否则根据所述损失函数更新所述生成器的权重矩阵、所述生成器的偏置、所述判别器的权重和所述判别器的偏置，继续执行所述迭代处理；

所述生成器的权重矩阵包括生成器的转置卷积层的转置卷积核权重矩阵、生成器的转置卷积层的卷积核权重矩阵和生成器的卷积层的卷积核权重矩阵，所述生成器的偏置包括生成器的转置卷积层的转置卷积核偏置和生成器的卷积层的卷积核偏置；

根据生成器的权重矩阵和生成器的偏置对预设的历史噪声数据进行处理，得到生成数字岩心模型包括：

根据所述生成器的转置卷积层的转置卷积核权重矩阵对所述历史噪声数据进行转置卷积处理，得到生成器的转置卷积层的转置卷积核数字岩心数据；

根据所述生成器的转置卷积层的卷积核权重矩阵对所述生成器的转置卷积层的转置卷积核数字岩心数据进行卷积处理，得到生成器的转置卷积层的卷积核数字岩心数据；

根据所述生成器的转置卷积层的转置卷积核偏置和第一生成器激活函数对所述生成器的转置卷积层的卷积核数字岩心数据进行非线性变换，得到生成器的转置卷积层的转置卷积核数字岩心输出特征图；

根据所述生成器的卷积层的卷积核权重矩阵、生成器的卷积层的卷积核偏置和第二生成器激活函数对所述生成器的转置卷积层的转置卷积核数字岩心输出特征图进行卷积处理，得到生成器的卷积层的卷积核数字岩心输出特征图；

通过第三生成器激活函数对所述生成器的卷积层的卷积核数字岩心输出特征图进行非线性变换，得到生成数字岩心模型；

所述判别器的权重包括判别器的卷积层的卷积核权重矩阵和判别器的全连接层的神经元权重，所述判别器的偏置包括判别器的卷积层的卷积核偏置和判别器的全连接层的神经元偏置；

根据判别器的权重和判别器的偏置对所述生成数字岩心模型进行处理，得到生成数字岩心模型判别概率包括：

根据所述判别器的卷积层的卷积核权重矩阵、所述判别器的卷积层的卷积核偏置和第一判别器激活函数对所述生成数字岩心模型进行卷积处理，得到判别器的卷积层的卷积核生成特征图；

根据所述判别器的全连接层的神经元权重、所述判别器的全连接层的神经元偏置和第二判别器激活函数对所述判别器的卷积层的卷积核生成特征图进行非线性变换，得到判别器的全连接层的神经元生成结果；

通过第三判别器激活函数对所述判别器的全连接层的神经元生成结果进行非线性变换，得到生成数字岩心模型判别概率；

根据所述判别器的权重和所述判别器的偏置对真实数字岩心数据进行处理，得到真实数字岩心数据判别概率包括：

根据所述判别器的卷积层的卷积核权重矩阵、所述判别器的卷积层的卷积核偏置和第一判别器激活函数对所述真实数字岩心数据进行卷积处理，得到判别器的卷积层的卷积核数字岩心真实特征图；

根据所述判别器的全连接层的神经元权重、所述判别器的全连接层的神经元偏置和第二判别器激活函数对所述判别器的卷积层的卷积核数字岩心真实特征图进行非线性变换，得到判别器的全连接层的神经元真实结果；

通过第三判别器激活函数对所述判别器的全连接层的神经元真实结果进行非线性变换，得到真实数字岩心数据判别概率。