摘要
本发明提供一种物理和数据联合的超分辨率动态数字岩心智能重构方法,属于油田技术领域;采用动态CT储层微观孔隙表征方法,通过改变流体充注压力和溶液饱和浓度,对岩心进行动态CT三维扫描,在驱替状态下进行动态CT图像三维重构。提出基于J‑net网络模型,与传统U‑net模型进行了改进,不同于U‑net的对称结构,J‑net通过在其解码器部分引入额外的上卷积层,使得输出图像能够扩大规模,生成更清晰、细腻的图像。基于LBM下的动静态联合智能优化方法,将在静态约束数字岩心模型基础上,进行实时计算,并与给定的动态约束条件对比,反向优化神经网络,并更新数字岩心模型,从而实现对超分辨率数字岩心的动静态联合优化。
技术关键词
智能重构方法
驱替流体
动态
数据
卷积深度神经网络
尺寸
数字岩心模型
图像三维重构
卷积神经网络模型
分辨率提升
CT扫描
格子玻尔兹曼法
物理