基于图像处理与神经网络的岩石组构识别

针对岩石薄片组构鉴定的复杂性问题,基于岩石薄片数字图像的数值分析,提出一个自动进行岩石组构识别分类的系统方法:使用图像处理技术对岩石薄片的灰度数字图像进行特征提取,将其作为神经网络的输入,网络输出是图像对应的岩石组构类别;使用来自鄂尔多斯盆地苏里格地区的100幅岩石薄片图像进行实验,神经网络的训练集、验证集和测试集随机分为70、15和15幅图像,测试结果表明自动识别岩石组构的正确率达93.3％.该方法对于地学问题具有较好的综合判别能力,可以快速和准确地进行岩石组构识别.     

基于混合降维Elman神经网络的砂岩储层物性参数智能计算研究

针对实验室测定岩石储层物性参数在实际应用中的成本问题,提出一个基于混合降维Elman神经网络的砂岩储层物性参数计算的智能方法。首先利用灰色关联分析对岩石薄片特征参数与其物性参数进行关联度计算,优选关联度较高的若干参数;其次使用主成分分析对选出的特征参数二次降维,最后应用Elman神经网络寻找岩石薄片特征参数与其物性参数之间的映射关系。选取鄂尔多斯盆地吴旗地区薛岔区块延长组储层砂岩样本的薄片鉴定与物性分析数据对方法进行测试,实验结果表明,计算得到的孔隙度与渗透率平均相对误差分别为7.28%和6.25%,混合降维方法在收敛速度和计算精度方面也得到提高。因此,基于混合降维Elman神经网络方法能够利用成本较低的岩石薄片相关资料快速并准确地计算砂岩储层物性参数,具有较高的可靠性、实用性以及应用前景。