一种基于生成式对抗网络（3DESGAN）的随机介质重构方法技术

本发明专利技术公开了一种基于生成式对抗网络(3DESGAN)的随机介质重构方法，包括如下步骤：步骤S1、获取三维随机介质图像数据；步骤S2、对步骤S1的三维随机介质图像数据进行二值化或分割预处理；步骤S3、构建深度学习网络模型，所述深度学习网络模型基于生成式对抗网络架构构建，包括生成器、判别器、解释器和Transformer模块，其中，所述Transformer模块基于注意力机制构建；所述生成器基于StyleGAN构建，用于生成随机介质图像，所述判别器基于深度卷积神经网络构建，用于区分真实图像与生成图像。本发明专利技术能够有效提高重构结果的可控性，条件数据约束孔隙分布，生成结果可定向调整以满足特定物理属性需求；通过解释器系统能够有效加速训练过程，降低训练成本。

【技术实现步骤摘要】

本专利技术涉及随机介质重构，尤其涉及一种基于生成式对抗网络(3desgan)的随机介质重构方法。

技术介绍

1、随机介质(如多孔岩石、复合材料)的微观结构直接影响其宏观物理特性(如渗透率、导热系数)。传统重构方法依赖数值模拟(如多点地质统计法、模拟退火法)，存在以下缺陷：1)计算复杂度高：传统方法需逐次迭代优化统计特征，重建效率低；2)特征捕捉能力有限：难以精确复现复杂孔隙拓扑结构及多尺度关联特征；3)随机性控制不足：生成结果易偏离真实数据的物理属性(如孔隙度分布)。

2、基于深度学习的生成对抗网络(gan)虽在图像生成领域表现优异，但仍面临挑战：1)训练依赖大量标注数据，而真实岩心扫描数据获取成本高；2)生成过程缺乏可解释性，难以动态调整生成结果；3)模型参数量大，训练资源消耗高。

3、由上所述，为此我们设计出了一种基于生成式对抗网络(3desgan)的随机介质重构方法来解决以上问题。

技术实现思路

1、本专利技术的目的是为了解决现有技术中存在的缺点，而提出的一种基于生成式对抗网络(本文档来自技高网...

【技术保护点】

1.一种基于生成式对抗网络(3DESGAN)的随机介质重构方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种基于生成式对抗网络(3DESGAN)的随机介质重构方法，其特征在于，所述步骤S2中的数据预处理包括：

3.根据权利要求1所述的一种基于生成式对抗网络(3DESGAN)的随机介质重构方法，其特征在于，所述生成式对抗网络架构包括以下特征:

4.根据权利要求3所述的一种基于生成式对抗网络(3DESGAN)的随机介质重构方法，其特征在于，所述生成式对抗网络架构的StyleGAN风格迁移方法为：

5.根据权利要求3所述的一种基于生成...

【技术特征摘要】

1.一种基于生成式对抗网络(3desgan)的随机介质重构方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种基于生成式对抗网络(3desgan)的随机介质重构方法，其特征在于，所述步骤s2中的数据预处理包括：

3.根据权利要求1所述的一种基于生成式对抗网络(3desgan)的随机介质重构方法，其特征在于，所述生成式对抗网络架构包括以下特征:

4.根据权利要求3所述的一种基于生成式对抗网络(3desgan)的随机介质重构方法，其特征在于，所述生...

【专利技术属性】
技术研发人员：常欣，
申请(专利权)人：上海电力大学，
类型：发明
国别省市：