[发明专利]基于深度学习和支持向量机的页岩数字岩心三维重构方法

权利要求书

1.一种基于深度学习和支持向量机的页岩数字岩心三维重构方法，其特征在于，包括以下步骤：

S1，利用三维数据模板扫描真实页岩岩心的体数据，获得页岩岩心的三维模式库，

S2，采用深度信念网络DBN对三维模式库进行特征提取，

S3，利用SVM对提取的特征进行分类，形成各个特征的类集合{Category_i，i＝1,2,3…}，

S4，利用多点地质统计法重构数字岩心；

所述的体数据为体素数据；

所述的三维数据模板为用于捕获多个体素数据的立体网格，扫描时，三维数据模板在真实页岩岩心的体数据中以设定步长和方向平移，三维数据模板所涵盖空间内的体素数据被记录为数据事件，所有的数据事件构成页岩岩心的三维模式库；

所述的三维数据模板为立方体网格；

所述的设定步长为一个体素。

2.根据权利要求1所述的一种基于深度学习和支持向量机的页岩数字岩心三维重构方法，其特征在于，所述的步骤S2中，提取的特征包括页岩孔隙的内部结构特征。

3.根据权利要求1所述的一种基于深度学习和支持向量机的页岩数字岩心三维重构方法，其特征在于，所述的步骤S4具体包括：利用三维数据模板捕获重构区域的数据事件，然后将其与各个Category_i对应的平均模式比较，如果某个Category_i的平均模式与当前数据事件的相似度最大，则认为当前数据事件属于该Category_i的类型，将该Category_i的平均模式作为该区域的重构结果，但是该区域的已知条件数据保持不变。

4.根据权利要求3所述的一种基于深度学习和支持向量机的页岩数字岩心三维重构方法，其特征在于，所述的类集合Category_i对应的平均模式为：属于该Category_i的所有特征在数据模板各向量位置的平均值。

5.根据权利要求3所述的一种基于深度学习和支持向量机的页岩数字岩心三维重构方法，其特征在于，所述的已知条件数据包括：在重构数字岩心前，三维数据模板区域内已知的岩心状态数据，以及在重构过程中，已完成重构的体数据节点的岩心状态数据，具体包括两种状态值：孔隙或骨架。

6.根据权利要求4所述的一种基于深度学习和支持向量机的页岩数字岩心三维重构方法，其特征在于，某个类集合Category_i对应的平均模式与当前数据事件的相似度的计算方法包括：求取数据事件在数据模板中各个向量位置的状态值与数据模板平均模式中对应的状态值之间的距离，将距离加权求和，得到的距离总和越小，则相似度最大。