[发明专利]一种结合卷积神经网络和页岩软数据的页岩重构方法在审
申请号: | 202010479909.5 | 申请日: | 2020-05-30 |
公开(公告)号: | CN111754627A | 公开(公告)日: | 2020-10-09 |
发明(设计)人: | 张瑜;张挺 | 申请(专利权)人: | 上海电力大学 |
主分类号: | G06T17/05 | 分类号: | G06T17/05;G06N3/04;G06N3/08 |
代理公司: | 上海科盛知识产权代理有限公司 31225 | 代理人: | 叶敏华 |
地址: | 200090 *** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 结合 卷积 神经网络 页岩 数据 方法 | ||
本发明涉及一种结合卷积神经网络和页岩软数据的页岩重构方法,该方法包括以下步骤:1)获取页岩样品的三维图像作为目标图像,从目标图像中随机获取部分页岩图像的硬数据;2)对硬数据图像进行插值处理,获取页岩数据分布情况的估计值,将估计值作为输入的软数据;3)将软数据图像输入卷积神经网络,输出重构图像。与现有技术相比,本发明对于页岩硬数据使用简单克里金算法进行插值,得到页岩数据分布情况的估计值,作为卷积神经网络输入的软数据,将软数据图像输入卷积神经网络,可获得准确率高的重构结果,耗时短,且便于大规模运用。
技术领域
本发明涉及一种页岩重构方法,尤其是涉及一种结合卷积神经网络和页岩软数据的页岩重构方法。
背景技术
作为页岩气的储集和流动载体,页岩储层的岩石孔隙结构复杂,孔隙的尺寸从纳米到微米不等,同时还伴有天然发育的微裂缝,而且不同尺寸的孔隙、裂缝中气体的赋存状态与运动特征不同。页岩内部孔隙、裂缝及孔隙中流体的耦合作用直接影响着页岩的物理、力学性质,其中页岩孔隙—微裂缝结构特征直接影响着页岩气藏的储能与内部流体的渗流行为。因页岩孔隙小,矿物成分复杂,因此,准确、定量地表征页岩孔隙—微裂缝结构特征对于页岩中微细观渗流机理的研究有着重要理论意义。
目前直接获取页岩真实孔隙结构的方法主要分为两大类:物理实验法和数值重构方法。物理实验法包括连续切片法、扫描电镜法、X射线、CT扫描、纳米CT等,这些物理实验法可以得到高分辨率的真实页岩孔隙结构模型,但是这类方法成本高,实验过程繁琐,需要大量处理时间,不便于大规模应用。
数值重构方法是从真实岩石样本模型中提取对孔隙结构和分布有直接影响的关键信息,基于此建立相似的孔隙结构,从而实现页岩图像重构。数值重构方法包括以下三种:(1)过程法:模拟自然界岩石沉积胶结过程的重构方法;(2)随机法:通过选取合适的岩石薄片图像的统计量来描述孔隙空间形态特性;(3)多点地质统计法:使用多点统计信息进行重构,来获得岩石微观孔隙结构。上述数值重构方法需要大量的训练数据,导致CPU运行负荷大,运行时间较长,重构效果随机性强。
发明内容
本发明的目的就是为了提供一种耗时时间少的结合卷积神经网络和页岩软数据的页岩重构方法。
本发明的目的可以通过以下技术方案来实现:
一种结合卷积神经网络和页岩软数据的页岩重构方法,该方法包括如下步骤:
步骤1、获取页岩样品的三维图像作为目标图像,从目标图像中随机获取部分页岩图像的硬数据;
步骤2、对硬数据图像进行插值处理,获取页岩数据分布情况的估计值,将估计值作为输入的软数据;
插值得到的结果实际是页岩数据分布情况的估计值,是一种软数据。软数据在页岩图像中是孔隙空间的概率值,取值范围是0~1的小数,这些数据总体能够较准确地体现页岩孔隙空间的变化趋势。
步骤3、将软数据图像输入卷积神经网络,输出重构图像。所述的卷积神经网络采用具有两层卷积层、两层池化层和三层全连接层的无监督卷积神经网络。具体包括以下内容:
31)将软数据图像输入卷积神经网络的第一层卷积层,输出页岩图像的卷积特征。
32)对输出的页岩图像的卷积特征通过第一层池化层进行池化处理,对页岩图像的卷积特征进行降维;进一步地,采用最大值池化和平均值池化组合的混合池化方法对页岩图像的卷积特征进行降维。
33)将降维后的页岩图像的卷积特征进行第二层卷积和池化操作,获取页岩图像的局部特征。
34)将局部特征通过三层全连接层进行整合,获取全局信息,进而输出页岩重构图像。其中,隐藏层中的全连接层采用的激活函数为Sigmoid函数,输出层采用的激活函数为Tanh函数。
所述Sigmoid函数的表达式为:
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海电力大学,未经上海电力大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010479909.5/2.html,转载请声明来源钻瓜专利网。