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：中国石油大学(华东)

摘要：本发明公开了一种基于扩散模型的多条件约束三维数字岩心生成方法，具体涉及数字岩心技术领域。本发明通过获取多个三维数字岩心样本并标记标签作为训练样本，形成数字岩心训练集后，基于3dUnet网络构建多条件三维数字岩心生成模型，利用数字岩心训练集中的训练样本训练多条件三维数字岩心生成模型融合随机噪声和多约束条件生成三维数字岩心，并利用训练后的多条件三维数字岩心生成模型，根据随机噪声以及自定义的孔隙度、平均孔径值和孔径标准差值生成多条件约束三维数字岩心。本发明通过对生成的三维数字岩心进行多种条件约束，真实还原了岩石内部孔隙结构，提高了模型所生成三维数字岩心的质量，为储层研究提供了技术支持。

主权项：1.基于扩散模型的多条件约束三维数字岩心生成方法，其特征在于，具体包括以下步骤：步骤1，获取多个岩心样本的三维数字岩心样本，对各三维数字岩心样本标记标签后作为训练样本，构建数字岩心训练集；步骤2，基于3dUnet网络构建多条件三维数字岩心生成模型；步骤3，利用数字岩心训练集中的训练样本对多条件三维数字岩心生成模型进行训练，得到训练后的多条件三维数字岩心生成模型；步骤4，将随机噪声以及自定义的孔隙度、平均孔径值和孔径标准差值输入至训练后的多条件三维数字岩心生成模型中，利用训练后的多条件三维数字岩心生成模型生成多条件约束三维数字岩心；基于3dUnet网络构建多条件三维数字岩心生成模型包括下采样层、中间层和上采样层；所述下采样层包括由上到下依次连接的第一下采样层、第二下采样层和第三下采样层，各下采样层内均设置有条件残差模块和三维卷积层，其中，所述条件残差模块用于向三维数字岩心样本中增加随机噪声和约束条件，包括依次连接的三维卷积块、时间编码层、条件编码层和自注意力机制层，其中，三维卷积块包括一个组归一化层、一个激活函数层和一个三维卷积层；所述三维卷积层用于增强特征向量的非线性能力，不改变特征向量的维度和通道数；所述第一下采样层中条件残差模块的通道数设置为C，第一下采样层处理后输出特征向量F1的维度为其中，L为特征向量的长度，W为特征向量的宽度，H为特征向量的高度；所述第二下采样层中条件残差模块的通道数设置为2C，第二下采样层处理后输出特征向量F2的维度为所述第三下采样层中条件残差模块的通道数设置为4C，第三下采样层处理后输出特征向量F3的维度为所述中间层包括依次连接的第一中间层和第二中间层，第一中间层和第二中间层均设置为条件残差块；所述第一中间层的通道数设置为4C，第一中间层处理后输出特征向量F4的维度为所述第二中间层的通道数设置为4C，第二中间层处理后输出特征向量F5的维度为所述上采样层内由下到上依次设置有第三上采样层、第二上采样层和第一上采样层，各上采样层中均设置有三维转置卷积层和条件残差模块；所述第三上采样层中条件残差模块的通道数设置为4C，第三上采样层处理后输出特征向量F6的维度为所述第二上采样层中条件残差模块的通道数设置为2C，第二上采样层处理后输出特征向量F7的维度为所述第一上采样层中条件残差模块的通道数设置为C，第一上采样层处理后输出特征向量F8的维度为L×W×H；当三维数字岩心样本输入至多条件三维数字岩心生成模型时，多条件三维数字岩心生成模型将三维数字岩心样本及标签中的孔隙度、平均孔径值和孔径标准差值转换为维度为L×W×H的原始特征向量F后，将原始特征向量F输入至下采样层中，依次经过第一下采样层、第二下采样层和第三下采样层处理后，得到维度为的特征向量F3；再将特征向量F3输入至中间层中，依次经过第一中间层和第二中间层处理后，得到维度为的特征向量F5；最后，将特征向量F5输入至上取样层，依次利用第三上采样层、第二上采样层和第一上采样层进行处理；当特征向量F5输入至第三上采样层时，特征向量F5经上采样后与第三下采样层输出的特征向量F3拼接后输入至第三上采样层，利用第三上采样层处理后得到维度为的特征向量F6，再将特征向量F6经上采样后与第二下采样层输出的特征向量F2拼接后输入至第二上采样层，利用第二上采样层处理后得到维度为的特征向量F7，再将特征向量F7经上采样后与第一下采样层输出的特征向量F1拼接后输入至第一上采样层，利用第一上采样层处理后得到维度为L×W×H的特征向量F8，输出特征向量F8，得到利用多条件三维数字岩心生成模型生成的多条件约束三维数字岩心；所述自注意力机制层中，注意力机制设置为： 式中，Attention·为注意力机制，Q为查询向量，K为相关性向量，V为被查询信息向量；softmax·为归一化指数函数，T为转置矩阵，dK为相关性向量的根号方差；所述步骤3中，具体包括以下步骤：步骤3.1，设置多条件三维数字岩心生成模型的超参数、训练批次、时间步长N和预设精度值；步骤3.2，根据训练批次从数字岩心训练集中随机抽取多个训练样本输入至多条件三维数字岩心生成模型中，利用多条件三维数字岩心生成模型作为噪声逼近器进行训练，训练过程包括扩散阶段、去噪阶段和预测噪声阶段；所述扩散阶段中，向各训练样本中的三维数字岩心样本内多次添加高斯噪声，其中，添加高斯噪声的次数t为随机数且t的取值范围[0,N]，添加t次噪声后的训练样本为： 式中，xt为训练样本中第t次添加高斯噪声后的三维数字岩心样本，x0为训练样本中添加高斯噪声前的三维数字岩心样本；为高斯噪声控制参数，其中，at为第t个高斯噪声控制因素；∈为高斯噪声；所述去噪阶段中，将各训练样本中第t次添加高斯噪声后的三维数字岩心样本恢复至第t-1次添加高斯噪声后三维数字岩心样本的状态，根据预设的时间步长N，通过对各训练样本中第t次添加高斯噪声后的三维数字岩心样本进行N次去噪处理，将所添加的高斯噪声还原为三维数字岩心，其中，所述去噪处理公式为： 式中，xt-1为第t-1次添加高斯噪声后三维数字岩心样本的状态，∈θxt,t,y为输入的随机数t和输入条件y时噪声逼近器的函数值，y为输入条件，σt为常数，z为随机噪声，用于增加噪声逼近器的随机性；所述预测噪声阶段中，利用损失函数计算噪声逼近器所生成噪声与所添加高斯噪声之间的差异得到损失函数值，当损失函数值小于预设精度值时，进入步骤3.3，否则，则返回步骤3.2中，继续对多条件三维数字岩心生成模型进行训练；步骤3.3，获得训练后的多条件三维数字岩心生成模型。

全文数据：

权利要求：

百度查询： 中国石油大学(华东) 基于扩散模型的多条件约束三维数字岩心生成方法