[发明专利]基于深度卷积生成对抗网络的地质模型快速生成方法

说明书

本发明涉及一种基于深度卷积生成对抗网络的地质模型快速生成方法，包括：构建并训练深度卷积生成对抗网络中的生成器网络；加载数据并生成待模拟单元；根据设定的模拟单元大小patch_size确定一个包含全部待模拟单元的单边路径path_list；如果待模拟单元中还存在未模拟单元，则转第五步，否则转第九步；获取path_list中的第一个待模拟单元x；根据待模拟单元x的空间位置和已模拟单元生成特征向量z；将特征向量z输入到训练完成的生成器网络中，并生成异质性空间模式；将生成的异质性空间模式覆盖到待模拟单元，从path_list中移除当前模拟单元x，并转第四步；完成本次模拟；有益效果是：模拟生成多尺度的地质结构，接近于训练图像的对应特征，具备较强的真实性。

技术领域

本发明涉及地质建模领域，尤其涉及一种基于深度卷积生成对抗网络的地质模型快速生成方法。

背景技术

复杂地质结构的可视化表征可以提供对地下地质现象及构造真实、直观的描述，是新一代地质调查的核心技术之一。作为地质异质性现象的重要表征方法，随机模拟能够结合各类数据(实测硬数据、软数据、已有参考模型等)描述地下异质性结构之间的空间关系。在各类随机模拟方法中，多点地质统计学随机模拟方法能够通过最大化期望或模式学习的方式提取训练图像(参考模型)中的模式和随机变量的空间分布，能够较好地表征各类地质结构和地质现象地各向异性特征，并已经在储层建模、矿产预测、裂缝模拟以及数字岩心重构等多个地学领域取得了较好的应用。

在使用多点地质统计学方法对模拟网格进行模拟时，首先会生成一个包含所有待模拟单元的模拟路径；随后会沿模拟路径，每次模拟一个待模拟单元；且模拟完成的单元会成为已知数据加入到后续模拟过程中，从而帮助后续单元的模拟。通过对模拟单元的大小进行划分，多点地质统计学方法能够被分为基于像元的方法和基于模式的方法。基于像元的方法在一次模拟中仅模拟一个像元，此类方法虽然能够较好地结合条件数据，但模拟生成的实现结果往往存在局部空间结构连续性不足的问题。基于模式的方法能够一次模拟一个空间模式(多个像元构成的集合)，由此类方法随机模拟得到的实现结果虽然有更好的连通性，但也更容易出现不自然的异质性空间结构。

生成对抗网络作为一种生成算法，不仅被广泛应用于图像合成、音频增强等模式生成任务，还在地球科学领域广泛应用。但此类方法在应用于地质建模的过程中时，通常采用整体生成策略直接生成地质结构，这种策略会降低生成模式的空间异质性，不利于对模拟结果不确定性分析和优选评价。同时，此类方法受深度神经网络结构的限制，无法生成多尺度的地质结构模型。

发明内容

为克服传统多点地质统计学随机模拟方法和基于深度学习的地质建模方法存在的问题，本申请一种基于深度卷积生成对抗网络的地质模型快速生成方法，将生成对抗网络的模式生成过程与蒙特卡洛随机模拟过程相结合，以此实现使用同一训练好的生成对抗网络模型快速生成多尺度的异质性空间模式，提高生成地质模型中包含模式的丰富程度，进而提升模拟效果。

在使用本方法执行随机模拟操作之前，首先需要训练深度卷积生成对抗网络中的生成器网络，在对生成器网络训练时，采用联合损失函数优化模型的梯度下降方向和模型的优化过程，联合损失函数中包括了对异质性空间模式形态重构的优化和先验模拟结果忠实程度的优化。在本方法中的生成器模型训练完成后，可直接应用于地质模拟过程。在使用本方法对模拟网格进行模拟时，首先构建待模拟网格并获取所有待模拟单元，从而构建单边模拟路径，模拟路径内的每个待模拟单元由多个像元组成。随后，针对模拟路径中的每一个待模拟单元，首先会根据先验模拟结果生成样本数据，并将样本数据转换为向量输入到训练好的生成器网络中；生成器网络会根据输入结果生成异质性的空间模式块，并将生成结果直接覆盖在待模拟单元上；当待模拟网格被模拟结果填满后，整个模拟流程结束。

总体说，本发明提供的一种基于深度卷积生成对抗网络的地质模型快速生成方法，包括以下步骤：

S1：构建并训练深度卷积生成对抗网络中的生成器网络，得到训练完成的生成器网络；

S2：加载地质数据并生成待模拟单元；