[發(fā)明專利]基于深度學(xué)習(xí)和支持向量機(jī)的頁(yè)巖數(shù)字巖心三維重構(gòu)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201710795359.6
• 申請(qǐng)日: 2017-09-06
• 公開（公告）號(hào): CN107657634B
• 公開（公告）日: 2020-11-27
• 發(fā)明（設(shè)計(jì)）人: 張挺
• 申請(qǐng)（專利權(quán)）人: 上海電力學(xué)院
• 主分類號(hào): G06T7/50
• 分類號(hào): G06T7/50;G06K9/62
• 代理公司: 上海科盛知識(shí)產(chǎn)權(quán)代理有限公司 31225
• 代理人: 趙繼明

本發(fā)明涉及一種基于深度學(xué)習(xí)和支持向量機(jī)(SVM，Support Vector Machine)的頁(yè)巖數(shù)字巖心三維重構(gòu)方法，包括以下步驟：S1，利用三維數(shù)據(jù)模板掃描真實(shí)頁(yè)巖巖心的體數(shù)據(jù)，獲得頁(yè)巖巖心的三維模式庫(kù)；S2，采用深度信念網(wǎng)絡(luò)(DBN，Deep Belief Networks)對(duì)三維模式庫(kù)進(jìn)行特征提取；S3，利用SVM對(duì)提取的特征進(jìn)行分類，形成各個(gè)特征的類集合{Category_i，i＝1,2,3…}；S4，利用多點(diǎn)地質(zhì)統(tǒng)計(jì)法重構(gòu)數(shù)字巖心。與現(xiàn)有技術(shù)相比，本發(fā)明使用深度學(xué)習(xí)和支持向量機(jī)進(jìn)行頁(yè)巖數(shù)字巖心的重構(gòu)，深度學(xué)習(xí)具有很強(qiáng)的提取訓(xùn)練圖像本質(zhì)特征的能力，而支持向量機(jī)可以對(duì)頁(yè)巖的結(jié)構(gòu)特征分類，再利用多點(diǎn)地質(zhì)統(tǒng)計(jì)法可以有效重構(gòu)頁(yè)巖數(shù)字巖心。

技術(shù)領(lǐng)域

本發(fā)明涉及一種數(shù)字巖心三維重構(gòu)方法，尤其是涉及一種基于深度學(xué)習(xí)和支 持向量機(jī)的頁(yè)巖數(shù)字巖心三維重構(gòu)方法。

背景技術(shù)

隨著常規(guī)氣藏的不斷衰竭，頁(yè)巖氣藏等非常規(guī)油氣資源的開發(fā)生產(chǎn)日益受到重視。頁(yè)巖氣在儲(chǔ)層中旳流動(dòng)是一個(gè)復(fù)雜的多尺度流動(dòng)過(guò)程，氣體流動(dòng)機(jī)理明顯不同 于常規(guī)氣藏。作為頁(yè)巖氣的儲(chǔ)集和流動(dòng)載體，頁(yè)巖儲(chǔ)層的巖石孔隙結(jié)構(gòu)復(fù)雜，孔隙 尺寸從納米到微米不等，同時(shí)還伴有天然發(fā)育的微裂縫，而且不同尺寸的孔隙、裂 縫中氣體的賦存狀態(tài)與運(yùn)動(dòng)特征不同。頁(yè)巖內(nèi)部孔隙、裂縫及孔隙中流體的耦合作 用直接影響著頁(yè)巖的物理、力學(xué)性質(zhì)，其中頁(yè)巖孔隙—微裂縫結(jié)構(gòu)特征直接影響著 頁(yè)巖氣藏的儲(chǔ)能與內(nèi)部流體的滲流行為。因此，準(zhǔn)確、定量地表征頁(yè)巖孔隙—微裂 縫結(jié)構(gòu)特征對(duì)于頁(yè)巖中微細(xì)觀滲流機(jī)理的研究有著重要理論意義。

巖心常規(guī)實(shí)驗(yàn)方法借助實(shí)驗(yàn)手段來(lái)觀測(cè)巖石表觀性質(zhì)的變化，來(lái)間接地反映巖石孔隙結(jié)構(gòu)及其對(duì)物理、力學(xué)等宏觀性質(zhì)的影響。這種表觀上的觀測(cè)不能定量地解 析巖石內(nèi)部孔隙的連通性，也無(wú)法對(duì)決定巖石的表觀性質(zhì)的內(nèi)部機(jī)制進(jìn)行研究。頁(yè) 巖巖心受儲(chǔ)層疏松度的影響，獲取比較困難，可供實(shí)驗(yàn)研究的巖心數(shù)量有限。而且 由于實(shí)驗(yàn)設(shè)備獲得的頁(yè)巖巖樣大多是微米或毫米尺度，如果要獲得更大尺度和范圍 內(nèi)的孔隙結(jié)構(gòu)，必須通過(guò)對(duì)其特征的三維重構(gòu)才能實(shí)現(xiàn)。通過(guò)數(shù)值方法重構(gòu)頁(yè)巖的 三維微觀結(jié)構(gòu)模型，即數(shù)字巖心，能夠再現(xiàn)頁(yè)巖復(fù)雜的微觀結(jié)構(gòu)，克服了常規(guī)巖石 物理實(shí)驗(yàn)測(cè)量存在的問(wèn)題，在此基礎(chǔ)上可以開展微觀尺度或者是更大尺度上的頁(yè)巖 物理屬性的分析。因此研究三維頁(yè)巖數(shù)字巖心的重構(gòu)方法對(duì)于以微細(xì)觀滲流機(jī)理為 基礎(chǔ)的提高頁(yè)巖氣采收率的研究具有重要的理論指導(dǎo)作用，對(duì)頁(yè)巖儲(chǔ)層物性解釋具 有重要的應(yīng)用價(jià)值。

數(shù)字巖心是研究巖石孔隙和微觀滲流理論的基礎(chǔ)平臺(tái)，數(shù)字巖心建模方法可分為兩大類：物理實(shí)驗(yàn)方法和數(shù)值重構(gòu)方法。建立數(shù)字巖心的數(shù)值重構(gòu)法通常以巖心 切片圖像為基礎(chǔ)，借助各種不同的統(tǒng)計(jì)方法或者機(jī)器學(xué)習(xí)方法來(lái)建立數(shù)字巖心。近 年來(lái)，機(jī)器學(xué)習(xí)算法迅猛發(fā)展。2006年，《Science》中的一篇文章提出了“深度學(xué) 習(xí)”的概念，掀起了新一輪機(jī)器學(xué)習(xí)的熱潮。Hinton等人提出的深度信念網(wǎng)絡(luò)(DBN， Deep Belief Networks)是“深度學(xué)習(xí)”的一種典型方法，使用連續(xù)層的二進(jìn)制或真 值的變量來(lái)學(xué)習(xí)高層表示的分布，為提取復(fù)雜模式中的本質(zhì)特征提供了有力的工具。 另外一種機(jī)器學(xué)習(xí)算法—“支持向量機(jī)”(SVM，Support Vector Machine)是一種通 用學(xué)習(xí)機(jī)器，是統(tǒng)計(jì)學(xué)習(xí)理論的一種實(shí)現(xiàn)方法。SVM將輸入向量映射到一個(gè)高維 的特征空間，并在該特征空間中構(gòu)造最優(yōu)分類面。因此，SVM成為了為復(fù)雜模式 分類的強(qiáng)有力工具。

如上所述，由于頁(yè)巖內(nèi)部多種尺度的孔隙共存，包含微米級(jí)和納米級(jí)的孔隙和 微裂縫，傳統(tǒng)頁(yè)巖數(shù)字巖心重構(gòu)方法無(wú)法較好地描述頁(yè)巖中復(fù)雜的孔隙-微裂縫結(jié) 構(gòu)，使得重構(gòu)的頁(yè)巖巖心難以達(dá)到研究微觀滲流機(jī)理的要求，為利用數(shù)值方法重構(gòu) 數(shù)字巖心帶來(lái)極大的挑戰(zhàn)。因此基于深度學(xué)習(xí)的特征提取能力和支持向量機(jī)的分類 功能，需要實(shí)現(xiàn)一種任意尺度下的頁(yè)巖數(shù)字巖心重構(gòu)方法。

發(fā)明內(nèi)容

本發(fā)明的目的就是為了克服上述現(xiàn)有技術(shù)存在的缺陷而提供一種實(shí)現(xiàn)一種任 意尺度下的基于深度學(xué)習(xí)和支持向量機(jī)的頁(yè)巖數(shù)字巖心三維重構(gòu)方法。

本發(fā)明的目的可以通過(guò)以下技術(shù)方案來(lái)實(shí)現(xiàn)：