张 挺, 王先武, 杜 奕, 彭 源

(1.上海电力大学 计算机科学与技术学院, 上海 200090;2.上海第二工业大学 工学部, 上海 201209)

随着常规油气资源的日益枯竭,页岩气等非常规油气能源的勘探与开发越来越受到人们的重视。目前我国页岩气的主要产区是涪陵、长宁、威远等地,较多资源埋深超过3 500 m,地质条件复杂,了解和掌握页岩储层的内部结构是开采页岩气的基础[1]。页岩储层结构复杂,其岩石组成包含有机质、黏土矿物、石英等脆性矿物以及碳酸盐矿物,并含有一定量的长石、云母、方解石、白云石、黄铁矿等矿物。对页岩储层内部结构的评价存在着诸多问题,如孔隙和裂缝结构非常复杂、非均质性强、物性变化大等。目前可以通过CT成像的方式观察页岩内部结构,但CT成像需要专用且昂贵的设备,且通常只能获取所研究岩石样本的小范围图像,难以重建较大区域的页岩结构。为了评估页岩储层,必须进行大量物理实验,以获得更大范围的分布情况,成本较大[2]。空间数据建模已被广泛用于岩石重构。原始的空间数据建模方法依赖两点概率函数度量空间变异性,使用训练图像作为样本特征提取的方式是目前空间数据建模方法的主流[3-5]。通常假定这些训练图像具有平稳的特征分布,并依赖学习训练图像特征来重构空间数据。

深度学习具有很强的提取特征能力,可以用于提取训练图像的结构特征,而生成对抗网络(Generative Adversarial Networks,GANs)是深度学习的一个重要分支。深度卷……