| 基于单一图像生成对抗神经网络方法在沉积相建模中的应用 |
| |
| 引用本文： | 李少华,史敬华,于金彪,王军,周传友,喻思羽.基于单一图像生成对抗神经网络方法在沉积相建模中的应用[J].油气地质与采收率,2022,29(1):37-45. |
| |
| 作者姓名： | 李少华 史敬华 于金彪 王军 周传友 喻思羽 |
| |
| 作者单位： | 1.长江大学地球科学学院，湖北武汉430100；;1.长江大学地球科学学院，湖北武汉430100；2.中国石化胜利油田分公司勘探开发研究院，山东东营257015 |
| |
| 基金项目： | 国家自然科学基金项目“基于沉积模式的辫状河储层构型建模方法”（41872129）和“少井条件下的储层不确定性建模与模型优选方法”（42172172）。 |
| |
| 摘 要： | 沉积相建模是储层建模中的一个重要环节,有多种方法可以用来建立沉积相模型。传统的建模方法需要利用各种参数对变量的空间结构信息进行刻画,如变差函数、数据样式等,在模拟中再现这种空间结构。利用生成对抗神经网络方法(GAN,Generative Adversarial Nets)建模采用了不同的策略,通过对大量图像(模型)的学习,生成与学习样本具有高度相似特征的模型。基于单一图像生成对抗神经网络方法(SinGAN,Generative Adversarial Nets based on single image)对传统的GAN方法进行改进,仅需一张图像进行训练就能够生成高度相似的图像。以N气田2个小层的沉积微相图为例,建立了相应的沉积相模型,并与经典的基于样式的多点地质统计学建模方法(Simpat)对比可以看出,SinGAN方法与训练图像刻画的沉积微相空间结构更相似,具有良好的应用前景。
|
| 关 键 词： | 沉积相 相建模 对抗神经网络 多点地质统计学 数据样式 |
Application of SinGAN method in sedimentary facies modeling |
| |
| LI Shaohu,SHI Jinghu,YU Jinbiao,WANG Jun,ZHOU Chuanyou,YU Siyu.Application of SinGAN method in sedimentary facies modeling[J].Petroleum Geology and Recovery Efficiency,2022,29(1):37-45. |
| |
| Authors: | LI Shaohu SHI Jinghu YU Jinbiao WANG Jun ZHOU Chuanyou YU Siyu |
| |
| Affiliation: | (College of Geosciences,Yangtze University,Wuhan City,Hubei Province,430100,China;Exploration and Development Research Institute,Shengli Oilfield Company,SINOPEC,Dongying City,Shangdong Province,257015,China) |
| |
| Abstract: | |
| |
| Keywords: | sedimentary facies facies modeling Generative Adversarial Nets Multiple-point geostatistics data pattern |
| 本文献已被 维普 等数据库收录！ |
| 点击此处可从《油气地质与采收率》浏览原始摘要信息 |
|
点击此处可从《油气地质与采收率》下载全文 |
|
