典型文献
基于单一图像生成对抗神经网络方法在沉积相建模中的应用
文献摘要：
沉积相建模是储层建模中的一个重要环节,有多种方法可以用来建立沉积相模型.传统的建模方法需要利用各种参数对变量的空间结构信息进行刻画,如变差函数、数据样式等,在模拟中再现这种空间结构.利用生成对抗神经网络方法(GAN,Generative Adversarial Nets)建模采用了不同的策略,通过对大量图像(模型)的学习,生成与学习样本具有高度相似特征的模型.基于单一图像生成对抗神经网络方法(SinGAN,Generative Adversarial Nets based on single image)对传统的GAN方法进行改进,仅需一张图像进行训练就能够生成高度相似的图像.以N气田2个小层的沉积微相图为例,建立了相应的沉积相模型,并与经典的基于样式的多点地质统计学建模方法(Simpat)对比可以看出,SinGAN方法与训练图像刻画的沉积微相空间结构更相似,具有良好的应用前景.
文献关键词：
沉积相;相建模;对抗神经网络;多点地质统计学;数据样式
中图分类号：
作者姓名：
李少华;史敬华;于金彪;王军;周传友;喻思羽
作者机构：
长江大学地球科学学院,湖北武汉430100;中国石化胜利油田分公司勘探开发研究院,山东东营257015
文献出处：
引用格式：
[1]李少华;史敬华;于金彪;王军;周传友;喻思羽-.基于单一图像生成对抗神经网络方法在沉积相建模中的应用)[J].油气地质与采收率,2022(01):37-45
A类：
数据样式,SinGAN,Simpat
B类：
图像生成,生成对抗神经网络,神经网络方法,沉积相,相建模,储层建模,多种方法,空间结构信息,变差函数,Generative,Adversarial,Nets,on,single,image,一张图,练就,气田,沉积微相,相图,多点地质统计学,训练图像,相空间
AB值：
0.250576
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
