發(fā)布時(shí)間：2023-12-23 17:16

　　數(shù)字巖心重建方法有很多種,如數(shù)值重建、物理實(shí)驗(yàn)、混合建模等方法,但這些方法有著訓(xùn)練時(shí)間長(zhǎng)、實(shí)現(xiàn)過(guò)程復(fù)雜等缺點(diǎn)。生成對(duì)抗網(wǎng)絡(luò)(GANs)作為當(dāng)前圖像生成領(lǐng)域最流行的人工智能模型,具有優(yōu)異的圖像生產(chǎn)能力,如在人物圖像生成、指紋生成等方面有優(yōu)異的表現(xiàn)。為此,本文基于GANs的樣本生產(chǎn)能力,提出一種新的數(shù)字巖心重建方法。首先,將卷積神經(jīng)網(wǎng)絡(luò)作為生成網(wǎng)絡(luò),用于學(xué)習(xí)真實(shí)數(shù)字巖心樣本分布,然后,構(gòu)造一個(gè)卷積神經(jīng)網(wǎng)絡(luò)作為判別網(wǎng)絡(luò),用于區(qū)分重建數(shù)字巖心和真實(shí)數(shù)字巖心。生成網(wǎng)絡(luò)試圖欺騙判別網(wǎng)絡(luò),判別網(wǎng)絡(luò)盡可能區(qū)分出重建數(shù)字巖心。通過(guò)這種對(duì)抗訓(xùn)練方式,最終重建出逼真的數(shù)字巖心。為分析生產(chǎn)數(shù)字巖心質(zhì)量,本文使用兩點(diǎn)協(xié)方差函數(shù)和弗雷歇距離、克勞爾距離評(píng)估生成對(duì)抗網(wǎng)絡(luò)重建真實(shí)數(shù)字巖心樣本的能力,結(jié)果表明:協(xié)方差函數(shù)可以檢驗(yàn)生成頁(yè)巖樣本與真實(shí)頁(yè)巖樣本的相似性;弗雷歇距離和克勞爾距離定量衡量了生成頁(yè)巖樣本與真實(shí)頁(yè)巖樣本所服從的高斯分布的差異性,其值越小,代表生成的頁(yè)巖樣本質(zhì)量越高。此外,為解決GANs在生成頁(yè)巖樣本過(guò)程中出現(xiàn)的不規(guī)則紋理問(wèn)題,本文提出了以經(jīng)過(guò)三值化預(yù)處理的頁(yè)巖圖像作為訓(xùn)練樣本,成功地比較了真實(shí)數(shù)字巖心...

【文章頁(yè)數(shù)】：48 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
致謝
摘要
abstract
第一章 緒論
    1.1 數(shù)字巖心介紹
    1.2 研究背景與現(xiàn)狀
    1.3 本文的研究?jī)?nèi)容
第二章 傳統(tǒng)數(shù)字巖心重建方法概述
    2.1 物理實(shí)驗(yàn)法
        2.1.1 聚焦離子光束掃描法
        2.1.2 納米CT掃描法
    2.2 數(shù)值重建法
        2.2.1 過(guò)程法
        2.2.2 模擬退火法
        2.2.3 馬爾科夫鏈蒙特卡洛法
        2.2.4 多點(diǎn)地質(zhì)統(tǒng)計(jì)法
    2.3 混合建模方法
    2.4 本章小結(jié)
第三章 生成對(duì)抗網(wǎng)絡(luò)
    3.1 生成對(duì)抗網(wǎng)絡(luò)的簡(jiǎn)介
    3.2 生成對(duì)抗網(wǎng)絡(luò)的發(fā)展
    3.3 生成對(duì)抗網(wǎng)絡(luò)的原理
        3.3.1 生成對(duì)抗網(wǎng)絡(luò)(GANs)
        3.3.2 深度卷積生成對(duì)抗網(wǎng)絡(luò)(DCGANs)
        3.3.3 最小二乘生成對(duì)抗網(wǎng)絡(luò)(LSGANs)
        3.3.4 Wasserstein生成對(duì)抗網(wǎng)絡(luò)(WGANs)
        3.3.5 具有梯度懲罰的Wasserstein生成對(duì)抗網(wǎng)絡(luò)(WGAN-GP)
    3.4 本章小結(jié)
第四章 基于WGAN-GP的頁(yè)巖圖像重建
    4.1 基于生成對(duì)抗網(wǎng)絡(luò)的數(shù)字巖心重建方法
        4.1.1 頁(yè)巖數(shù)據(jù)集
        4.1.2 基于頁(yè)巖圖像的GANs模型訓(xùn)練流程圖
        4.1.3 WGAN-GP算法
    4.2 模型評(píng)價(jià)方法
        4.2.1 兩點(diǎn)協(xié)方差函數(shù)
        4.2.2 弗雷歇距離和克勞爾距離
        4.2.3 閔可夫斯基(Minkowski)函數(shù)
    4.3 實(shí)驗(yàn)與結(jié)果分析
        4.3.1 實(shí)驗(yàn)參數(shù)
        4.3.2 實(shí)驗(yàn)結(jié)果
            4.3.2.1 數(shù)字巖心生成方法
            4.3.2.2 數(shù)字巖心多樣性
            4.3.2.3 數(shù)字巖心結(jié)構(gòu)一致性
            4.3.2.4 數(shù)字巖心高斯分布一致性
    4.4 本章小結(jié)
第五章 基于生成對(duì)抗網(wǎng)絡(luò)的數(shù)字巖心圖像生成
    5.1 基于生成對(duì)抗網(wǎng)絡(luò)的三值頁(yè)巖圖像生成方法
        5.1.1 深度卷積生成對(duì)抗網(wǎng)絡(luò)核心思想
        5.1.2 模型架構(gòu)
        5.1.3 算法流程
    5.2 實(shí)驗(yàn)細(xì)節(jié)
        5.2.1 樣本預(yù)處理
        5.2.2 對(duì)抗訓(xùn)練
        5.2.3 結(jié)果分析
    5.3 實(shí)驗(yàn)評(píng)價(jià)
        5.3.1 弗雷歇距離(FID)和克勞爾距離(KID)
        5.3.2 兩點(diǎn)協(xié)方差函數(shù)
        5.3.3 閔可夫斯基(Minkowski)函數(shù)
    5.4 本章小結(jié)
第六章 總結(jié)與展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間參加的科研項(xiàng)目和完成的論文



本文編號(hào)：3874176