买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西南石油大学

摘要：本发明公开了一种基于深度学习的方法，提出一种求取地质属性建模变差函数的方法。通过融合传统油气藏地质建模与深度学习的方法建立变差函数预测模型，以序贯高斯模拟所得孔隙度平面模型抽取的数据点为基准，然后采取UNet网络结构进行图像重构，保证了孔隙度分布的空间相关性；最后利用CNN网络结构对样本集进行深度学习，从而建立了求取变差函数的UNet‑CNN模型。

主权项：1.一种求取地质属性建模变差函数的方法，通过融合传统油气藏地质建模与深度学习的方法建立变差函数预测模型，以序贯高斯模拟所得孔隙度平面模型抽取的数据点为基准，然后采取UNet网络结构进行图像重构，保证了孔隙度分布的空间相关性；最后利用CNN网络结构对样本集进行深度学习，从而建立了预测变差函数的求取模型；建立地质属性建模中变差函数求取模型的方法的具体步骤如下：1通过设置不同的变差函数参数，即主变程、主次变程比、主变程方位角，理论模型选用球状模型，通过序贯高斯模拟算法生成多组属性模型，然后从这些模型中抽取出建模时使用的硬数据，即井点数据，并加上一定数量的软数据，即模拟得到的孔隙度，且软数据数量为硬数据的2倍，构成样本集，其中80％为训练集，20％为验证集；2利用抽取所的孔隙度点作为输入变量，通过UNet网络模型进行孔隙度模型重构，表示出孔隙度分布的空间相关性；所述UNet网络模型为U型结构，该U型结构左边部分为主干特征提取部分，由卷积层和最大池化层组成，其中每个卷积单元的卷积通道数分别为16、32、64、128，卷积核的大小为3×3，激活函数为Relu，通过该部分可获得四个初步有效特征层；右边部分为加强特征提取部分，利用上采样并进行堆叠的方式，将四个初步有效特征层进行特征融合，最后通过1×1的卷积操作，将图像输出；3将重构的孔隙度模型输入CNN网络进行变差函数参数求取，综合图形分析与统计参数分析，进行模型精度验证；将UNet网络预测结果作为输入层，导入CNN网络中经过1000次训练迭代，得到其损失函数变化曲线，预测主变程、主次变程比、主变程方位角，其网络由三层卷积层和三层池化层进行特征提取，卷积核的大小为3×3，最后通过全连接得到预测参数。

全文数据：

权利要求：

百度查询： 西南石油大学 一种基于深度学习求取地质属性建模中变差函数的方法