申请/专利权人：成都北方石油勘探开发技术有限公司

申请日：2023-12-07

公开（公告）日：2024-03-22

公开（公告）号：CN117745973A

主分类号：G06T17/20

分类号：G06T17/20;G06N3/0442;G06N3/09

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本发明涉及油气田勘探开发领域，公开了一种基于自监督学习的岩心薄片图像渗透率预测方法、系统，包括：得到M张关于所述原始岩心薄片图像样本的薄片单通道二值图像；通过有限元流体仿真，计算M张所述薄片单通道二值图像对应的渗透率，建立薄片图像‑渗透率数据库；S3、从N张作为训练样本的所述薄片单通道二值图像中构建若干序列样本数据，通过所述薄片图像‑渗透率数据库得到若干序列样本数据对应的实际渗透率；S4、初始化神经网络，并将S3得到的序列样本数据输入至所述神经网络中进行训练，得到渗透率预测代理模型。本发明考虑了薄片图像和渗透率样本数量有限，通过表征图像相互之间的差异和联系，进而通过随机取样形成近乎无穷的训练样本。

主权项：1.一种基于自监督学习的岩心薄片图像渗透率预测方法，其特征在于，包括：S1、收集M张原始岩心薄片图像样本，并对M张所述原始岩心薄片图像样本进行处理得到M张关于所述原始岩心薄片图像样本的薄片单通道二值图像；S2、通过有限元流体仿真，计算M张所述薄片单通道二值图像对应的渗透率，建立薄片图像-渗透率数据库；S3、从N张作为训练样本的所述薄片单通道二值图像中构建若干序列样本数据，NM，同时通过所述薄片图像-渗透率数据库得到若干序列样本数据对应的实际渗透率；S4、初始化神经网络，并将S3得到的序列样本数据输入至所述神经网络中进行训练，将所述神经网络得到的输出值与所述实际渗透率进行损失函数的计算，直到该神经网络对应的损失函数收敛，此时的所述神经网络即为渗透率预测代理模型；S5、通过M张所述薄片单通道二值图像生成若干用于测试的序列样本数据，并将用于测试的序列样本数据输入至所述渗透率预测代理模型中进行预测。

全文数据：

权利要求：

百度查询： 成都北方石油勘探开发技术有限公司 基于自监督学习的岩心薄片图像渗透率预测方法、系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD