典型文献
基于卷积神经网络的砂岩数字岩心绝对渗透率计算方法
文献摘要：
基于卷积神经网络深度学习理论探讨了砂岩数字岩心绝对渗透率的计算方法和相关的重要影响因素.研究选取了3种具有代表性的砂岩样品包括Bentheimer砂岩、Berea砂岩和Doddington砂岩的数字岩心,比较了采用N-S方程法和孔隙网络模型法计算绝对渗透率的差异性;探讨了对砂岩样品进行切割生成子样品时,3种不同子样品尺寸对绝对渗透率均值和不同方向渗透率分量的影响.在此基础上基于200×200×200尺寸对原砂岩数字岩心进行切割获取子样品,并对全部子样品进行微观渗流模拟计算获得相应的绝对渗透率,建立了用于深度学习的数字岩心子样品数据库.基于该数据库讨论了卷积神经网络系统搭建过程中的关键参数如学习率和丢弃率等的选择方法.训练学习后对测试集子样品进行测试,预测值与真实值差异在5％以内,证明了该方法的有效性.
文献关键词：
卷积神经网络;砂岩;数字岩心;绝对渗透率;渗透率分量
中图分类号：
作者姓名：
隋微波;程思
作者机构：
中国石油大学(北京)石油工程学院,北京102249
文献出处：
引用格式：
[1]隋微波;程思-.基于卷积神经网络的砂岩数字岩心绝对渗透率计算方法)[J].油气地质与采收率,2022(01):128-136
A类：
Bentheimer,Berea,Doddington,渗透率分量
B类：
砂岩,数字岩心,绝对渗透率,深度学习理论,理论探讨,方程法,孔隙网络模型,模型法,子样,样品尺寸,同方向,原砂,渗流模拟,心子,品数,网络系统,系统搭建,学习率,丢弃,选择方法,训练学,测试集,集子,真实值,异在
AB值：
0.253093
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。
