近日，杨永飞团队在深度学习算法构建数字岩心领域研究取得新进展，应邀在期刊西南石油大学学报上发表《基于生成对抗网络的页岩三维数字岩心构建》一文，并与海洋与空间信息学院宋华军团队在期刊Journal of Petroleum Science and Engineering联合发表论文，论文题为《Conditional Generative Adversarial Networks for 2D core grayscale image reconstruction from pore parameters》（条件生成对抗网络用于从孔隙参数重建二维岩心灰度图像），杨永飞为两篇论文的通讯作者。

基于生成对抗网络的页岩三维数字岩心构建

西南石油大学学报（自然科学版），中文核心期刊，期刊刊发文章内容涵盖了地质、开发、钻井、开采、集输与处理等多个方面，现设有地质勘探、石油与天然气工程、石油机械与油田化学三个专栏。

文章链接：

http://journal15.magtechjournal.com/Jwk_xnzk/CN/10.11885/j.issn.1674-5086.2021.01.15.02

引用格式：

杨永飞*，刘夫贵，姚军，等.基于生成对抗网络的页岩三维数字岩心构建[J]. 西南石油大学学报（自然科学版），2021，43（5）：73–83.

YANG Yongfei*, LIU Fugui,YAO Jun, et al. Reconstruction of 3D Shale Digital Rock Based on GenerativeAdversarial Network[J]. Journal of Southwest Petroleum University (Science& Technology Edition), 2021, 43(5): 73–83.

Conditional Generative Adversarial Networks for 2D core grayscale image reconstruction from pore parameters

数字岩心对于储层结构模拟、油气勘探和开发具有重要意义。现有的数字岩心重建方法构建的数字岩心大多只包含孔隙和骨架两相，而流体在页岩、碳酸盐岩等岩心孔隙空间中的流动往往受不同矿物成分的影响。针对这些问题，本研究提出将岩心孔隙参数与条件生成对抗网络（CGAN）相结合，从而实现由孔隙参数生成岩心二维灰度图像（即文本到图像合成）。为了避免直接从孔隙参数生成岩心灰度图像的困难，本文提出的方法包括两个阶段：在第一阶段，对岩心样品图像进行预处理，得到二值图像-灰度图像对，然后使用CGAN学习岩心二值图像到灰度图像的映射。同时，对二值图像中的孔隙进行分割和提取，构建孔隙成分库。在第二阶段，根据给定的孔隙参数，从孔隙成分库中随机提取相应的孔隙，生成二值图像，并在此基础上对孔隙进行分析。然后将生成的二值图像作为输入，用于训练后的CGAN模型生成岩心灰度图像。最后计算了岩心灰度图像的孔隙/喉道半径、喉道长度、配位数等结构参数，与原始图像的孔隙结构参数进行了对比分析，实验结果表明所提出的方法重建的岩心灰度图像符合孔隙条件并反映了真实岩心的基本特征。

文章链接：

https://doi.org/10.1016/j.petrol.2021.109742

引用格式：