【摘 要】
：
人工神经网络是人工智能领域的重要组成部分和研究方向，具有自组织学习能力及非线性处理等优点。基于人工神经网络方法能够有效地对数字岩心彩色图像进行二值分割，得到不同矿物
【机 构】
：
中国石油大学(华东)地球科学与技术学院 青岛 266580
论文部分内容阅读
人工神经网络是人工智能领域的重要组成部分和研究方向，具有自组织学习能力及非线性处理等优点。基于人工神经网络方法能够有效地对数字岩心彩色图像进行二值分割，得到不同矿物组分及孔隙空间的二值图像，为单组分三维数字岩心重建奠定坚实的数据基础。经对比分析，人工神经网络可以在数字岩心彩色图像分割中得到很好的应用。
其他文献
城镇化加速发展的一个重要标志是城区面积的急剧扩大和基础设施(如高铁、高速公路等)的快速发展。巨大的刚性需求对准确快速地评估地下空间的工程力学性质提出了更高的要求。
稠油是指沥青质和胶质含量较高、粘度较大的原油,是我国一种重要的非常规油气资源.在实际地震资料解释过程中，时常因缺乏横波速度信息而为叠前地震反演带来不便，针对裂缝型碳酸
渤南五区沙三段裂缝以NE-SW向的直立缝和高角度缝为主，岩心裂缝开度集中在0-2mm区间内，薄片裂缝开度多在0.006-0.04mm之间;裂缝的充填物主要为泥质;宏观裂缝较少，微观裂缝较为发
煤储层具有双重孔隙结构,煤层基质孔隙作为主要的储气空间,是煤层气吸附的主要场所,其渗透率很低,而煤层中普遍发育的裂隙虽然孔隙度较低,但为流体的产出提供了运移通道.在煤
深部储层埋藏较深,又经过较为强烈的压实与成岩作用,因此表现出的岩石物理特性与浅层存在一定的差异,主要表现在:地震波能量衰减大,导致了能量弱、信噪比低;接收到的有效反射
Gassmann流体项本身存在固液两相耦合的问题,易受孔隙度影响产生流体识别假象,将流体等效体积模量作为流体因子进行流体识别可以较好的解决孔隙度等固体效应造成的流体识别假
由于地应力的存在使得孔隙型储层表现出各向异性,因此,考虑孔隙流体和固体各向异性的双相各向异性介质模型更符合实际介质情况.本文在前人的研究基础上,根据Biot理论,采用高
数字岩石物理基于先进的三维成像技术及数学计算方法,建立数字岩心,开展多种物理场的正演模拟和弹性参数计算,为定量研究岩石微观结构与宏观物理性质之间关系奠定基础.本文基
数字岩石物理使用数值方法开展孔隙尺度的物性特征模拟,定量研究岩石微观结构与宏观物性之间的关系.常规数字岩心的研究中,将图像二值化分割为孔隙和骨架两相,然而,仅将岩石
随着现代科学技术的发展和计算机性能的提高，数字岩石物理已成为研究孔隙尺度对岩石物理性质影响的新方法。本文基于三维数字岩心，借助有限元法进行了数值模拟，求出岩石的弹性模