214 / 2023-07-15 22:49:02

基于深度学习的数字岩心图像识别与渗流预测方法

深度学习,数字岩心,渗流,图像识别

       我国致密油气储量丰富，有良好的勘探开发前景，但致密砂岩储层结构复杂，孔隙尺度达到微纳米级，传统方法难以研究储层岩石的微观特征。深度学习等人工智能技术为数字岩心处理和分析提供新的方法，为致密砂岩储层渗流规律预测提供新的途径。

       基于深度学习等人工智能技术建立了一套致密砂岩数字岩心图像处理和分析方法，包括图像自动分割、岩心渗透率与渗流场预测。首先，基于U-Net深度神经网络实现岩心图像自动识别，并采用准确度、平均交并比来评价分割效果。研究表明该方法不仅消除了人为因素的影响，还提高了分割的准确率，基质孔隙二类分割准确度高达99.87%，基质孔隙矿物多类分割准确度可达96.77%。其次，结合格子玻尔兹曼和机器学习方法，自动提取图像特征参数，并实现岩心渗透率准确预测。分析图像特征参数重要度发现水力半径与岩心渗透率相关性最强，先后采用了长短时记忆网络和随机森林两种机器学习方法进行渗透率预测，并研究了不同特征参数作为输入参数对预测效果的影响，采用均方根误差等评价指标评价渗透率预测效果，结果表明利用全部特征参数作为输入参数，采用随机森林算法渗透率预测精度最高。最后，本文创造性地利用改进的U-Net模型预测数字岩心图像渗流场，测试集的预测结果与真实值标签的平均绝对误差为9.77×10-5，计算时间节约了98.59%。

       研究表明，U-Net神经网络可以实现数字岩心图像的自动准确分割，有助于减少手动分割人为因素的影响，提高工作效率与图像分割精度。深度学习等人工智能技术能够实现数字岩心渗透率与渗流场的准确预测，对致密油气开发与渗流机理研究有重要意义。