基于DNS的基于物理信息的CNN对三维micro-CT图像渗透率的估计

@第{Grttner2021条估算PO，title={基于DNS的物理通知CNN估算3D micro-CT图像的渗透率}，author={Stephan G{\“a}rttner、Faruk Omer Alpak、Andreas Meier、Nadja Ray和Florian Frank}，journal={计算地球科学}，年份={2021}，体积={27}，页码={245-262}，url={https://api.semanticscholar.org/CorpusID:237421187}}
通过以有效且分布并行的方式求解平稳的Stokes方程，从而提高训练数据集的通用性和准确性，提出了一种新的方法，用于通过地质岩石样品的微CT扫描进行渗透率预测。
Springer上的视图
[PDF]语义阅读器

12引文

基于CNN的三维显微CT图像相对扩散估计

本文证明了CNN能够直接从全孔隙空间几何结构进行相对扩散预测，并方便地将扩散预测与描述部分饱和多孔介质中相分布的成熟形态模型相融合。

基于卷积神经网络的可变形多孔介质渗透率估计

在FELBM耦合分析的指导下，提出了一种基于水力-机械耦合分析的快速估算多孔介质不同变形阶段渗透率的机器学习方法。

基于卷积神经网络从单个二维切片预测三维物理性质：多孔岩石的二维切片到三维特性

多孔岩石的三维物理性质直接决定了地下流动和建模。然而，预测各种3D物理岩石仍然是一项艰巨的挑战，需要…

从三维多孔几何数据近似反应流突破曲线的贪心核方法

我们讨论了在不同几何参数下三维孔隙尺度反应流的挑战性应用。任务是根据…

数据驱动多尺度参数化的DuMux框架

这项工作概述了一系列四个步骤，在这些步骤中，可以从孔隙尺度数据计算参数，用卷积神经网络概括其解，并用描述性孔隙度量更好地理解其内容。

物理信息计算机视觉：回顾与展望

对250多篇关于物理定律指导下的计算机视觉任务的公式和方法的论文进行了系统的文献综述，对物理知情能力的应用提供了统一的观点，强调了在哪里进行了物理知情学习，以及在哪里存在差距和机会。

数据驱动的尺度桥接参数化与度量：分散传输

在这项工作中，概述了多尺度数据驱动的平均尺度模型参数化框架的开发，并将其应用于色散传输。分散传输是常见的…

物理信息机器学习在地下能源系统中的应用综述

基于岩石薄片预测多孔介质渗透率的改进卷积神经网络

集成岩心塞μCT成像和传输学习，用于自动储层岩石表征和层析相识别

69参考文献

基于三维卷积神经网络的数字岩石渗透率快速估算

基于3D CNN的各向异性岩石渗透率快速估算方法提供了一种计算成本较低的渗透率计算方法，并有可能扩展到岩石相对渗透率和其他性质的估算。

从图像中看到渗透率：卷积神经网络快速预测。

深度学习-基于2D图像的渗透率估计

一种最先进的深度学习（DL）算法，用于从2D图像直接预测渗透率，该算法在实现该算法时利用了计算图形处理单元（GPU）。

PoreFlow-Net：一种预测流体通过多孔介质流动的三维卷积神经网络

使用多孔介质和数字岩石的显微CT图像模拟孔隙尺度流的参考和基准

计算效率高的多尺度神经网络在复杂三维多孔介质流体流动中的应用

提出了一种通用的多尺度深度学习模型，该模型能够从多孔介质模拟数据中学习，并能够对表现出较大异质性的区域进行准确预测。

深入学习孔隙尺度成像和建模

从X射线显微计算机断层成像中估算复杂碳酸盐岩渗透率的机器和深度学习

利用90000个人工生成的微结构进行多孔材料质量传输预测的大规模统计学习

一个庞大的数据库，包含从九个不同的随机模型中提取的90000个微观结构，并计算其有效扩散率和渗透率以及各种微观结构描述符，使用分析预测公式、人工（全连接）神经网络、，和卷积神经网络。

孔隙尺度成像的计算渗透率测定：样本大小、网格和方法敏感性

观察到网格细化程度对渗透率张量有不可忽视的影响，提高细化程度有助于缩小计算测量方法之间的差距。
...