基于卷积神经网络的页岩CT分形维数预测及其抗干扰能力应用

摘要

【目的】为了深入探究页岩储层内部的孔裂隙分布规律以优化页岩油气的开发方案和提高产能。【方法】提出一种基于卷积神经网络的页岩CT图片分形维数预测方法，自主搭建适用于油页岩CT图片的卷积神经网络模型，分别将不同温度热解下的油页岩样品CT切片和其对应的分形维数作为数据集和标签，对搭建好的卷积神经网络进行训练并预测，实现对页岩CT图片分形维数的提取。【结果】结果证明，通过卷积神经网络预测的页岩CT图片分形维数与盒子计数法计算得到的分形维数十分接近，大约差0.01，且在计算速度更快的情况下还可以很大程度地忽略CT图片的噪声和伪影。新方法有效地捕捉到了图像的结构特征，能够对图片的分形维数进行可靠的预估并具有较好的抗干扰能力。

关键词

页岩 / 分形维数 / 机器学习 / 卷积神经网络 / 页岩CT