科研之友
微信
新浪微博
Facebook
分享链接
摘要
渗透率是多孔介质的重要属性，衡量多孔介质对流体的阻碍能力。现有渗透率计算方法如有限体积法(Finitevolume method, FVM)、格子玻尔兹曼(Lattice Boltzmann method, LBM)等有计算耗时缺点。因此，基于深度学习研究了多孔介质渗透率的快速预测。利用X射线断层扫描成像技术获得了40个真实多孔介质图像，利用人工合成多孔介质的方法扩充400个图像。在孔隙尺度上，利用传统有限体积法模拟制作了图像的渗透率。数据集共440套，按照9∶1划分了训练集和验证集。建立深度学习网络并进行渗透率预测。训练完成的网络在验证集上表现良好，误差在±15%内。结果表明，在渗透率预测速度上，深度学习网络预测时间是传统有限体积法的25%左右。验证了直接从图像到渗透率映射的可行性，同时也有助于理解孔隙与渗透率的关系。
- 单位
