基于卷積神經(jīng)網(wǎng)絡(luò)的頁巖重構(gòu)方法

張 挺, 張 瑜, 杜 奕

(1.上海電力大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院, 上海 200090; 2.上海第二工業(yè)大學(xué) 工學(xué)部, 上海 201209)

國民經(jīng)濟(jì)的飛速發(fā)展刺激了能源的需求,頁巖氣作為新型天然氣資源越來越受到重視[1]。為了評價(jià)頁巖的含氣性并對其勘探開發(fā),研究頁巖氣儲層的孔隙結(jié)構(gòu)變得尤為重要[2-5]。直接獲取頁巖真實(shí)孔隙結(jié)構(gòu)的方法分為兩大類:物理實(shí)驗(yàn)法和數(shù)值重構(gòu)方法。物理實(shí)驗(yàn)法包括連續(xù)切片法、掃描電鏡法、X 射線CT 掃描、納米CT[6-10]等。這些物理實(shí)驗(yàn)法可以得到高分辨率的真實(shí)頁巖孔隙結(jié)構(gòu)模型,但是這類方法成本高,實(shí)驗(yàn)過程繁瑣,需要大量處理時(shí)間,不便于大規(guī)模應(yīng)用。因此基于實(shí)際樣品數(shù)據(jù)進(jìn)行數(shù)值重構(gòu)的方法成為頁巖孔隙重構(gòu)的重要手段。

數(shù)值重構(gòu)方法是從真實(shí)巖石樣本模型中提取對孔隙結(jié)構(gòu)和分布有直接影響的關(guān)鍵信息,建立相似的孔隙結(jié)構(gòu),從而實(shí)現(xiàn)頁巖圖像重構(gòu)。數(shù)值重構(gòu)方法包括以下3種:一是過程法,模擬自然界巖石沉積膠結(jié)過程的重構(gòu)方法;二是隨機(jī)法,通過選取合適的巖石薄片圖像的統(tǒng)計(jì)量來描述孔隙空間形態(tài)特性;三是多點(diǎn)地質(zhì)統(tǒng)計(jì)法,使用多點(diǎn)統(tǒng)計(jì)信息進(jìn)行重構(gòu),來獲得巖石微觀孔隙結(jié)構(gòu)。

上述傳統(tǒng)的數(shù)值重構(gòu)方法需要大量的訓(xùn)練數(shù)據(jù),CPU運(yùn)行負(fù)荷大,運(yùn)行時(shí)間較長,重構(gòu)效果隨機(jī)性強(qiáng)。近年來,深度學(xué)習(xí)算法興起,卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN)作為其重要分支在圖像和視頻處理領(lǐng)域得到廣泛運(yùn)用[10],但未應(yīng)用于重構(gòu)頁巖微觀結(jié)構(gòu)的實(shí)驗(yàn)中。……