10.13722/j.cnki.jrme.2019.0931
煤岩微观相态FCN智能识别与分形重构
数字岩芯可提供无差别化仿真计算模型,是研究岩石物理力学性质的理想模型,精准高效建模一直制约着数字岩芯重构技术的推广.传统方法处理CT切片扫描数据费时费力,主要受限于2个方面,一是扫描层数有限;二是孔裂隙识别依赖于传统阈值分割算法.以煤岩为例,引入人工智能识别实现4种微观相态:孔隙、裂隙、高密度矿物和基质的智能识别,并开展分形重构.基于微米CT扫描建立4种微观相态数据集并进行了数据增强,开发了专用标注软件可实现跨尺度孔裂隙的准确标注.算法上优化了全卷级神经网络智能识别架构,建立Crack-FCN网络结构,网络层次少且错误率低.同时引入矢量化算法实现了裂隙面积、长度和宽度的定量计算;进而引入中心线细化算法实现了复杂裂隙拓扑结构的有效提取.最后开发局部自相似分形重构算法,并基于优化策略解决了快速插值问题,解决了相邻CT层扫描信息缺失的问题.结果 表明分形插值与直线插值和三阶样条插值相比局部粗糙特性明显,且保证了裂隙断面的粗糙性和连续性.工作引入全卷级神经网络智能识别技术用于构造数字岩芯,为高效精准建立数字岩芯提供了新的技术支撑.
岩石力学、数字岩芯、CT切片、人工智能识别、全卷积神经网络、微观相态、分形重构
39
TU45(土力学、地基基础工程)
国家自然科学基金;国家重点研发计划;河北省高等学校科学技术研究项目
2020-08-26(万方平台首次上网日期,不代表论文的发表时间)
共19页
1203-1221