【论文阅读】深度学习方法在数字岩石技术中的应用进展

【论文名称】Advances in the application of deep learning methods to digital rock technology
深度学习方法在数字岩石技术中的应用进展
【论文来源】EI检索
【作者单位】长江大学地球物理与油气资源学院、加拿大阿尔伯塔大学土木与环境工程系、东北石油大学地球科学学院、长江大学油气资源勘探技术重点实验室
【论文原文】https://doi.org/10.46690/ager.2023.04.02

文章目录

  • 一、 三维数字岩石重建
  • 二、 图像分辨率增强
  • 三、 图像分割
  • 四、 数字岩石参数预测
  • 五、 总结

一、 三维数字岩石重建

传统的数字岩石重建方法:物理实验(电镜扫描)、数值重建(模拟退火法、马尔可夫链蒙特卡罗法、截断高斯随机场法、多点统计量)、混合建模(结合前两种,物理获取2D数据,数值重建三维数字岩石)
深度学习算法主要包括生成对抗网络GANs和变分自动编码器VAEs。
在这里插入图片描述

(图1 GAN网络结构)

在这里插入图片描述

(表1 不同GAN网络变形的优缺点比较)

二、 图像分辨率增强

由于micro-CT的局限性,高分辨率(HR)图像的视场较小,大视场图像的分辨率较低。
深度学习方法:超分辨率卷积神经网络(SRCNN,衍生出EDSR[enhanced deep SR]、WDSR[wide-activation deep SR])、超高分辨率周期一致性生成对抗网络(SR-CycleGAN)、混合时空深度学习(HSDL)等。
在这里插入图片描述

(图2 EDSR结构图)

在这里插入图片描述

(图3 WDSR结构图)

在这里插入图片描述

(图4 SR-CycleGAN的结构包括(a)两个发生器(GX: Y→X和GY: X→Y)和两个相关鉴别器(DX和DY),(b)正向循环一致性:X≈GX (GY (X))。(c)后向循环一致性:y≈GY (GX (y))。)

在这里插入图片描述

(图5 SR-CycleGAN的离线训练阶段(下)和在线测试阶段(上))

在这里插入图片描述

(图6 LR岩石图像:(上)双三次插值生成的HR结果,(中)SRCycleGAN生成的HR结果,(下)地面真相)

在这里插入图片描述

(图7 图像分辨率增强方法比较:(a)参考图像,(b)低分辨率输入图像,(c)规则深度学习图像,(d)双三次插值图像,(e) HSDL生成图像)

SRCycleGAN论文名称:Super-resolution of real-world rock microcomputed tomography images using cycle-consistent generative adversarial networks
HSDL论文名称:Enhancing images of shale formations by a hybrid stochastic and deep learning algorithm

三、 图像分割

传统分割方法:多阈值分割、边缘检测、聚类分割
深度学习方法:卷积神经网络CNN、全卷积网络FCN、Unet、DeepLab、SegNet、Unet++等
在这里插入图片描述

(图8 Unet网络架构。左侧为编码器,右侧为解码器,双方采用跳过连接层进行连接)

在这里插入图片描述

(图9 最大池索引用于SegNet中的上采样低分辨率图)

在这里插入图片描述

(图10 SegNet的基本内部结构)

利用支持向量机、最近邻、随机森林、人工神经网络和U-Net网络模型等多种图像分割方法对页岩SEM图像进行多组分分割。
SegNet论文名称:Application of machine learning techniques in mineral classification for scanning electron microscopy-energy dispersive x-ray spectroscopy (SEM-EDS) images.
在这里插入图片描述

(表2 不同模型的预测结果)

在这里插入图片描述

(图11 包括四个规则的U-Net的U-Net++模型结构)

U n e t + + \pmb{Unet++} Unet++论文名称:Deep-learning-based workflow for boundary and small target segmentation in digital rock images using UNet++ and IK-EBM
在这里插入图片描述

(图12 不同分割方法的分割结果比较)

四、 数字岩石参数预测

深度学习方法:
Tembely等人(2021)使用 C N N \pmb{CNN} CNN来预测三维CT图像的孔隙度、地层因子和渗透率,精度很高。
论文名称:Machine and deep learning for estimating the permeability of complex carbonate rock from X-ray micro-computed tomography
Rabbani等人(2020)提出了一种基于 C N N \pmb{CNN} CNN的工作流,用于估计二值化3D CT图像的各种形态、水力和电气特性。
论文名称:DeePore: A deep learning workflow for rapid and comprehensive characterization of porous materials
在这里插入图片描述

(图13 用于参数预测的CNN网络示意图)

数值模拟方法:Wang et al. (2019b)基于OpenFOAM框架建立了三维孔隙网络模型,计算了孔隙网络模型的孔隙度和渗透率。论文名称:Researches on the pore permeability prediction method of 3D digital cores based on machine learning。

五、 总结

     本文综述了深度学习方法在三维数字岩石重建、图像分辨率增强、图像分割和数字岩石参数预测等方面的应用。尽管数字岩石技术已经发展了几十年,但仍有许多研究挑战有待解决。本研究中提到的方法已经部分克服了重建、分辨率增强、分割和参数预测任务所带来的挑战。然而,这些方法仍然不能同时考虑训练速度、图像大小和建模精度。因此,人工智能方法在数字岩石领域的应用应得到更全面的发展。数字岩石的重建应受到物理性质的约束,以确保生成的样品的真实性和多样性。目前的构件分割过程大多基于二维切片,不能保证构件在各个方向上的连续性。因此,需要考虑正交切片分割参数预测不仅要根据图像本身,还要根据孔隙度、孔隙空间分布等物理性质。此外,还可以进一步提高分割的准确性,还需要尝试预测更多的岩石参数。

    此外,随着未来智能数字油田的发展成为大势所趋,建议研究人员充分利用深度学习等人工智能方法的强大能力,对采集到的核心数据和属性进行持续学习和更新。与其他常见的数字或动物识别等机器学习任务不同,它在数字岩石领域的应用相对较新,缺乏可靠的数据。因此,有必要建立一个包含岩石数字图像及其物理性质的开源可更新数据库。这将使地质和地球物理数据的结合能够全面、系统地发展可靠的战略,将微观和局部数字岩石技术集成到宏观和整体勘探和开发过程中。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/221560.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

【剑指offer|图解|数组】寻找文件副本 + 螺旋遍历二维数组

🌈个人主页:聆风吟 🔥系列专栏:数据结构、剑指offer每日一练 🔖少年有梦不应止于心动,更要付诸行动。 文章目录 一. ⛳️寻找文件副本(题目难度:简单)1.1 题目1.2 示例1.3 限制1.4 解题思路一c代…

高翔《自动驾驶与机器人中的SLAM技术》第九、十章载入静态地图完成点云匹配重定位

修改mapping.yaml文件中bag_path: 完成之后会产生一系列的点云文件以及Keyframe.txt文件: ./bin/run_frontend --config_yaml ./config/mapping 生成拼接的点云地图map.pcd文件 : ./bin/dump_map --pose_sourcelidar 。、 完成第一次优…

低代码开发:属于“美味膳食”还是“垃圾食品”

目录 引言低代码是什么?低代码的优点使用挑战未来展望最后 引言 随着数字化转型的迅猛发展,低代码开发平台逐渐成为了企业和开发者的关注焦点,尤其是前两年低代码的迅速火爆,来势汹汹,号称要让大部分程序员下岗的功能…

双指针算法(一)

目录 移动零 复写零 快乐数 盛水最多的容器 双指针与单调性结合 有效三角形的个数 查找总价格为目标值的两个商品 两数之和 Ⅱ - 输入有序数组 双指针算法是通过定义两个指针不断单向移动来解决问题的一种算法。但双指针算法,是一个抽象的思想概念&#xf…

dockerfile,Docker镜像的创建

dockerfile:创建镜像,创建自定义的镜像。包括配置文件,挂载点,对外暴露的端口。设置环境变量。 docker的创建镜像的方式: 1、基于已有镜像进行创建。根据官方提供的镜像源,创建镜像,然后拉起容…

Linux主机自动注册NPS客户端(脚本化)

参考官方对API使用方法的定义:https://ehang-io.github.io/nps/#/ 1、首先必须要在配置文件中开启 auth_key 并配置一个合适的密钥 2、修改脚本中的可变量参数,以适配自己的环境 #!/bin/bash # 脚本使用说明:# 脚本名称:npc_cr…

+0和不+0的性能差异

前几日&#xff0c;有群友转发了某位技术大佬的weibo。并在群里询问如下两个函数哪个执行的速度比较快&#xff08;weibo内容&#xff09;。 func g(n int, ch chan<- int) {r : 0for i : 0; i < n; i {r i}ch <- r 0 }func f(n int, ch chan<- int) {r : 0for …

基于Microchip 光伏逆变器方案

小编杂谈新能源已经完成了至少5期的博文了&#xff0c;Boss告诉小编&#xff0c;如果还不介绍我们的产品和方案&#xff0c;黄花菜都凉了&#xff0c;所以小编这期博文就重点介绍一下Microchip在储能上的产品介绍&#xff0c;重点聊聊Microchip储能中使用的光伏逆变器的解决方案…

期末数组函数加强练习

前言&#xff1a;由于时间问题&#xff0c;部分题解取自网友&#xff0c;但都是做过的好题。 对于有些用c实现的题目&#xff0c;可以转化成c实现&#xff0c;cin看成c的读入&#xff0c;可以用scanf&#xff0c;输出cout看作printf&#xff0c;endl即换行符 开胃菜&#xff…

ES6原生音乐播放器(有接口)

视频展示 ES6音乐播放器 项目介绍 GutHub地址&#xff1a;GitHub - baozixiangqianchong/ES6_MusicPlayer: 音乐播放器 ES6_MusicPlayer 是基于JavaScriptES6Ajax等通过原生构建的项目。能够充分锻炼JS能力。 本项目有主页、详情页、歌单页面三部分组成 ├── assets&…

跨域的解决方式(java后端)

文章目录 一、跨域介绍1、什么是跨域2、为什么会产生跨域 二、简单请求和非简单请求1、简单请求2、非简单请求2.1、预检请求2.2、预检请求的回应2.3、浏览器的正常请求和回应 三、CrossOrigin注解1、CrossOrigin源码2、CorsRegistry方式3、CorsFilter过滤器4、自定义过滤器 一、…

Knowledge Distillation from A Stronger Teacher(NeurIPS 2022)论文解读

paper&#xff1a;Knowledge Distillation from A Stronger Teacher official implementation&#xff1a;https://github.com/hunto/dist_kd 前言 知识蒸馏通过将教师的知识传递给学生来增强学生模型的性能&#xff0c;我们自然会想到&#xff0c;是否教师的性能越强&…

【操作系统导论】内存篇——分页

引入 采用 「分段」 的方式&#xff0c;将空间切成 不同长度的分片&#xff0c;会出现 碎片化 问题&#xff0c;随着时间推移&#xff0c;分配内存会越来越困难。 因此&#xff0c;值得考虑「分页」的方法&#xff1a; 将空间分割成 固定长度的分片 &#xff1b; 将物理内存…

python列表的循环遍历

数据容器&#xff1a;一个可以存储多个元素的Python数据类型 有哪些数据容器&#xff1a;list&#xff08;列表&#xff09;&#xff0c;tuple&#xff08;元组&#xff09;&#xff0c;str&#xff08;字符串&#xff09;&#xff0c;set&#xff08;集合&#xff09;&#x…

第三方电脑小爱同学用快捷键唤醒

第三方电脑安装小爱同学-CSDN博客 请结合之前安装小爱同学的教程安装过程请提前取消windows更新 安装完成之后登录账号即可使用 Ahk2.0 下载地址&#xff1a;https://www.autohotkey.com/download/ahk-v2.zip 打开链接即可自动下载&#xff0c;下载后解压出来点击install.cmd安…

微信公众服务号升级订阅号

服务号和订阅号有什么区别&#xff1f;服务号转为订阅号有哪些作用&#xff1f;首先我们要知道服务号和订阅号有什么区别。服务号侧重于对用户进行服务&#xff0c;每月可推送4次&#xff0c;每次最多8篇文章&#xff0c;发送的消息直接显示在好友列表中。订阅号更侧重于信息传…

java飞翔的鸟游戏

A.准备工作 Bird类 Column类 BirdGame类 Ground类 B.中间过程 准备工作&#xff1a; 安装Java开发环境&#xff08;JDK&#xff09;。选择一个集成开发环境&#xff08;IDE&#xff09;&#xff0c;如Eclipse、IntelliJ IDEA或NetBeans。 创建项目&#xff1a; 在IDE中创建一个…

数据结构和算法(全)

1.了解数据结构和算法 1.1 二分查找 二分查找&#xff08;Binary Search&#xff09;是一种在有序数组中查找特定元素的搜索算法。它的基本思想是将数组分成两半&#xff0c;然后比较目标值与中间元素的大小关系&#xff0c;从而确定应该在左半部分还是右半部分继续查找。这个…

一文了解java中volatile关键字

认识volatile volatile关键字的作用有两个&#xff1a;变量修改对其他线程立即可见、禁止指令重排。 第二个作用我们后面再讲&#xff0c;先主要讲一下第一个作用。通俗点来说&#xff0c;就是我在一个线程对一个变量进行了修改&#xff0c;那么其他线程马上就可以知道我修改…

树莓派zero w入坑指南

树莓派zero w入坑指南 入坑契机 说起创客不得不提到开源硬件Raspberry Pi(树莓派)。它是一款基于ARM的微型电脑主板&#xff0c;以MicroSD卡为硬盘&#xff0c;提供HDMI和USB等外部接口&#xff0c;可连接显示器和键鼠。以上部件全部整合在一张仅比信用卡稍大的主板上&#x…