基于条件生成对抗网络的成像测井图像裂缝计算机识别

摘要：

识别裂缝是油气储量评价和产能预测的关键.目前识别裂缝主要采用基于人机交互的方法,该方法耗功耗时且易受主观因素影响,因而对裂缝的识别不够精确.为此,提出利用条件生成对抗网络(CGAN)识别图像中的裂缝.CGAN通过训练给定的图像和对应标签图像,提取训练图像和标签中的特征,以此特征识别图像中的信息.利用CGAN识别模拟图像中的正弦形态裂缝,识别裂缝准确率达93.4％.CGAN对地层微电阻率扫描成像(FMI)图像中的水平缝和低角度缝识别准确率为90％.研究结果表明,和蚁群算法相比,CGAN是一种效果好、速度快及抗干扰能力强的计算机自动识别裂缝方法.

关键词：深度学习、生成对抗网络、条件生成对抗网络、成像测井、裂缝识别、蚁群算法、自动识别

所属期刊栏目：59

分类号：P631

资助基金：吉林省科技发展优秀青年人才项目20190103150JH

在线出版日期：2020-04-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：295-302