计算机应用

作者：王先武, 张挺, 吉欣, 杜奕

单位：1. 上海电力大学 计算机科学与技术学院, 上海 200090;2. 上海第二工业大学 工学部, 上海 201209

关键词：重构,数字岩心,生成对抗网络,深度卷积,梯度惩罚

基金：国家自然科学基金面上项目（41672114）；国家自然科学基金青年基金资助项目（41702148）。

针对传统数字岩心重构技术存在的成本高昂、复用性差和重构质量低等问题，提出了一种基于带梯度惩罚深度卷积生成对抗网络（DCGAN-GP）的三维页岩数字岩心重构方法。首先，利用神经网络参数来描述页岩训练图像的分布概率，并完成训练图像的特征提取；其次，保存训练后的网络参数；最后，利用生成器重构出页岩三维数字岩心。实验结果表明，相较于经典的数字岩心重构技术得到的图像，DCGAN-GP得到的图像在孔隙度、变差函数和孔隙大小及分布特征上都更接近训练图像，而且DCGAN-GP的CPU使用率不到经典算法的一半，内存峰值仅有7.1 GB，重构时间达到了每次42 s，体现出模型重构质量高、效率高的特点。

来源：2021年第6期

《计算机应用》期刊编辑部

查看计算机应用杂志2021年第6期