基于生成对抗网络的岩心薄片岩性智能识别方法
Intelligent lithology identification method of core slices based on generative adversarial network作者机构:长江大学计算机科学学院湖北荆州434023
出 版 物:《长江大学学报(自然科学版)》 (Journal of Yangtze University(Natural Science Edition))
年 卷 期:2022年第19卷第2期
页 面:39-46页
学科分类:081801[工学-矿产普查与勘探] 081802[工学-地球探测与信息技术] 08[工学] 0818[工学-地质资源与地质工程]
基 金:国家科技重大专项“高温高压油气藏开发动态监测方法与诊断技术研究”(2021DJ1006) 新疆自治区创新人才建设专项自然科学计划(自然科学基金)基金项目“水平井反演优化解释方法的研究与实现”(2020D01A132) 湖北省科技示范项目“油田数据智能分析研究中心”(2019ZYYD016) 中国高校产学研创新基金“基于阿里云的数字岩心图文虚拟仿真教学系统”(2021ALA01004)
主 题:岩心薄片 岩性识别 生成对抗网络 迁移学习 数据增强
摘 要:传统人工识别沉积岩岩心薄片岩性的方法,需要大量的专业人员,耗时耗力,且鉴定结果也受个人感官认识、主观性等诸多因素影响。为此,提出了基于生成对抗网络的岩心薄片岩性智能识别方法:首先利用岩心薄片数据对生成的对抗模型进行对抗训练;然后用训练好的生成器生成模拟图像扩充数据集,扩充原始岩心薄片图像数据集,增加数据集的多样性,可以提高模型预测精度;再将判别器卷积层参数迁移至岩心薄片的岩性识别模型中,保留判别器提取的岩心薄片特征;最后训练模型中2个全连接层和softmax分类层,建立岩心薄片岩性识别模型。“WGAN+判别器参数迁移的岩心薄片岩性识别方法进一步提高了岩性识别准确率。该模型可以智能识别出岩心薄片的岩性,实现对沉积岩岩性的智能分类。通过实验数据对比分析,该模型的准确率达到了94.93%,优于传统方法,具有较强的实践应用价值。