典型文献
基于深度学习的多孔介质渗透率预测
文献摘要：
渗透率是多孔介质的重要属性,衡量多孔介质对流体的阻碍能力.现有渗透率计算方法如有限体积法(Finite volume method,FVM)、格子玻尔兹曼(Lattice Boltzmann method,LBM)等有计算耗时缺点.因此,基于深度学习研究了多孔介质渗透率的快速预测.利用X射线断层扫描成像技术获得了 40个真实多孔介质图像,利用人工合成多孔介质的方法扩充400个图像.在孔隙尺度上,利用传统有限体积法模拟制作了图像的渗透率.数据集共440套,按照9 ∶1划分了训练集和验证集.建立深度学习网络并进行渗透率预测.训练完成的网络在验证集上表现良好,误差在±15％内.结果表明,在渗透率预测速度上,深度学习网络预测时间是传统有限体积法的25％左右.验证了直接从图像到渗透率映射的可行性,同时也有助于理解孔隙与渗透率的关系.
文献关键词：
多孔介质;渗透率;深度学习
中图分类号：
作者姓名：
刘浩;须颖;罗杨泉;肖海善
作者机构：
广东工业大学机电工程学院 广州 510006
文献出处：
引用格式：
[1]刘浩;须颖;罗杨泉;肖海善-.基于深度学习的多孔介质渗透率预测)[J].机械工程学报,2022(14):328-336
A类：
B类：
多孔介质,渗透率预测,如有,有限体积法,Finite,volume,method,FVM,格子玻尔兹曼,Lattice,Boltzmann,LBM,学习研究,快速预测,断层扫描,扫描成像,技术获得,实多,人工合成,孔隙尺度,拟制,训练集,验证集,深度学习网络,测速
AB值：
0.304552
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。
