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：成都北方石油勘探开发技术有限公司

摘要：本发明公开了融合多源实验与变分扩散模型的数字岩心构建方法及系统，涉及三维数字岩心构建技术领域，该方法包括：基于数字岩心自编码器，构建基于神经网络的初始模型，并将样本多源数据特征向量和样本流入截面输入至初始模型中进行处理，得到与初始模型对应并训练完成的变分扩散模型；确定原始数字岩心的目标多源数据特征向量和目标流入截面并输入至变分扩散模型中进行处理，得到原始数字岩心对应的目标三维数字岩心；为三维数字岩心的重建提供了更强大、高效和准确的手段，有助于深入理解地下储层的特性，优化勘探和开发决策，降低成本，并同时提高资源利用效率，对石油和天然气工业以及地质科学研究都具有重要的实际意义。

主权项：1.融合多源实验与变分扩散模型的数字岩心构建方法，其特征在于，包括以下步骤：利用Perlin噪音随机生成预置大小的多个随机三维数字岩心样本；将多个所述随机三维数字岩心样本输入到预置的第一自编码器中，并基于随机梯度下降算法对所述第一自编码器进行训练，直到所述第一自编码器的损失函数达到收敛，得到与第一自编码器对应并训练完成的数字岩心自编码器；从多个所述随机三维数字岩心样本中获取任意一个或多个样本的几何参数，基于所述几何参数对相应的随机三维数字岩心样本进行微观渗流仿真处理，并得到仿真结果；基于所述仿真结果得到所述任意一个或多个样本对应的岩心样本参数，将所述几何参数以及对应的岩心样本参数按照预置顺序拟合为样本多源数据特征向量，并截取对应所述随机三维数字岩心样本的多个样本流入截面；基于所述数字岩心自编码器，构建基于神经网络的初始模型，并将所述样本多源数据特征向量和所述样本流入截面输入至初始模型中进行处理，得到与所述初始模型对应并训练完成的变分扩散模型；确定原始数字岩心的目标多源数据特征向量和目标流入截面，将目标多源数据特征向量和目标流入截面输入至所述变分扩散模型中进行处理，得到所述原始数字岩心对应的目标三维数字岩心；所述初始模型包括数字岩心自编码器和学习层，所述学习层包括向量线性层、截面线性层、时间步线性层和神经网络模块；其中，所述变分扩散模型是通过以下方式训练得到的：将所述随机三维数字岩心样本按照预置的时间步长度依次输入至数字岩心自编码器中的编码器中进行处理，得到随机三维数字岩心样本在各个时间步下并排列为目标张量的第一隐变量；将样本多源数据特征向量输入至向量线性层中进行处理，得到排列为第一张量的数据向量；将所述样本流入截面输入至截面线性层中进行处理，得到排列为第一张量的截面向量；通过所述时间步线性层得到在各个时间步下并排列为第一张量的时间向量；将所述第一隐变量与时间步对应的时间向量、数据向量和截面向量在通道方向连接，得到排列为第二张量的第一向量；将所述第一向量输入至所述神经网络模块中进行处理，得到排列为目标张量的第二向量，所述排列为目标张量的第二向量表征了第一隐变量的噪音估计值；计算噪音估计值与噪音真实值之间的均方误差，根据预置误差函数进行反向传播，并更新学习层的网络参数；基于更新网络参数后的学习层按以上步骤进行迭代，直到预置误差函数达到收敛，并将预置误差函数达到收敛的学习层和所述数字岩心自编码器确定为训练完成的变分扩散模型；所述目标三维数字岩心是通过以下方式得到的：基于原始数字岩心和预置时间步长度，并利用训练完成的学习层得到各个时间步下对应的隐变量噪音估计值；利用所述隐变量噪音估计值计算得到排列为目标张量的目标隐变量；将所述目标隐变量输入至数字岩心自编码器中的解码器中进行处理，并按照预置的第一条件进行过滤，得到所述目标三维数字岩心。

全文数据：

权利要求：

百度查询： 成都北方石油勘探开发技术有限公司 融合多源实验与变分扩散模型的数字岩心构建方法及系统