利用全卷积神经网络(FCN)建立三维数字岩心（英文）

作者：李琼^*; 陈政; 何建军; 郝思宇; 王睿; 杨海涛; 孙华军; 李美琦

来源：Applied Geophysics, 2020, 17(03): 401-477.

• 全卷积神经网络
• 三维数字岩心
• 数值模拟
• 训练集

本文详细论述了利用全卷积神经网络建立三维数字岩心的完整过程,以大量的砂岩CT图像为输入,成功地训练了全卷积神经网络模型,随后利用该模型以少量Berea砂岩的CT图像为基础构建了Berea砂岩的三维数字岩心。采用闵可夫斯基函数分别计算了Berea砂岩实际CT扫描结果和采用FCN生成的三维数字岩心的孔隙度、孔隙的比表面积、平均曲率和连通性,随后计算了两者之间的相对误差分别为6.26%,1.40%,6.06%,4.91%,同时汉明距离为0.04479。研究结果表明利用FCN重建的三维数字岩心不仅能重建真实砂岩的物性特征,还能还原真实砂岩内孔隙分布特征,能很好地保留实际岩石的孔隙结构。为刻画岩石内部微观结构提供了一种新途径。

• 单位
  中国移动通信集团四川有限公司成都分公司; 成都理工大学