CN107204040A - 多点地质统计学建模方法及装置、计算机存储介质 - Google Patents
多点地质统计学建模方法及装置、计算机存储介质 Download PDFInfo
- Publication number
- CN107204040A CN107204040A CN201710337891.3A CN201710337891A CN107204040A CN 107204040 A CN107204040 A CN 107204040A CN 201710337891 A CN201710337891 A CN 201710337891A CN 107204040 A CN107204040 A CN 107204040A
- Authority
- CN
- China
- Prior art keywords
- training image
- geologic body
- pattern base
- point
- scale
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Computer Graphics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Remote Sensing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种多点地质统计学建模方法及装置、计算机存储介质,其中,方法包括:对原始训练图像进行膨胀、溶蚀处理从而生成不同缩放程度的模式库,其中,模式库中包括多个训练图像;根据所述模式库采用直接采样的多点模拟方法从大到小依次模拟地质体。本发明实现了大尺度地质体自动逐级约束小尺度地质体的分布,对于给定初始的训练图像能够重现其它更小尺度或者更大尺度的地质模式。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及多点地质统计学建模方法,具体来说就是一种多点地质统计学建模方法及装置、计算机存储介质。
背景技术
目前,分形几何成为许多科学领域解决复杂对象表征问题的有力工具。Hewett在1986年首次将分形几何引入到石油领域,并研究了油藏物性参数的分形分布及其对流体流动的影响,提出了基于变差函数的分形模拟方法,后来许多学者对该方法进行了改进,但上述方法仅考虑单一分形特征。近年来,尽管有学者发现了油藏参数分布的多重分形和多尺度分形特征,但这些研究仅考虑了参数的一维分布。多尺度分形为认识复杂系统提供了新的途径,可应用于描述多尺度地质体在三维空间的分布特征。
多点地质统计建模方法以训练图像中的模式重现为途径,综合了以前基于目标方法的形态再现能力和基于象元的条件化容易的优点。这种思路的提出掀起了多点模拟算法研究的高潮,目前已有多种基于多点地质统计学的建模算法,包括SENSIM,FILTERSIM,SIMPAT,DISPAT,ISOPATSIM,WAVESIM和CCSIM等。但是,这些算法的目标都是重现单一训练图像中存在的模式,只是在模式的存储、降维方法和搜索方法方面有所不同。无法模拟训练图像所不包含的更大尺度和更小尺度的模式。另外,多点地质统计必须满足基本的统计和概率理论假设,因此这类算法一般都要求训练图像具有稳定性。尽管有学者尝试使用多级网格方法和动态模板大小的方法捕捉多尺度模式,但还没有哪种方法舍弃了对训练图像稳定性的要求或地质体多尺度特征的考虑。
因此,本领域技术人员亟需研发一种能够重现其它更小尺度或者更大尺度地质模式的多点地质统计建模方法,从而描述多尺度地质体的三维分布特征。
发明内容
有鉴于此,本发明要解决的技术问题在于提供一种多点地质统计学建模方法及装置、计算机存储介质,解决了现有技术无法模拟训练图像所不包含的更大尺度和更小尺度模式的问题。
为了解决上述技术问题,本发明的具体实施方式提供一种基于多尺度分形的多点地质统计学建模方法,包括:对原始训练图像进行膨胀、溶蚀处理从而生成不同缩放程度的模式库,其中,模式库中包括多个训练图像;根据所述模式库采用直接采样的多点模拟方法从大到小依次模拟地质体。
本发明的具体实施方式还提供一种基于多尺度分形的多点地质统计学建模装置,包括:模式库生成单元,用于对原始训练图像进行膨胀、溶蚀处理从而生成不同缩放程度的模式库,其中,模式库中包括多个训练图像;模拟单元,用于根据所述模式库采用直接采样的多点模拟方法从大到小依次模拟地质体。
本发明的具体实施方式还提供一种包含计算机执行指令的计算机存储介质,所述计算机执行指令经过数据处理设备处理时,执行多点地质统计学建模方法。
根据本发明的上述具体实施方式可知,多点地质统计学建模方法及装置、计算机存储介质至少具有以下有益效果:通过多尺度分形分析中的图形处理建立多尺度分形特征与油藏多尺度结构的关系;利用膨胀和溶蚀算法处理训练图像建立训练图像库,为多点地质建模提供了更多尺度的地质模式。基于直接取样的多点模拟方式,建立了从大尺度地质体到小尺度地质体逐级模拟的算法,本发明实现了大尺度地质体自动逐级约束小尺度地质体的分布,对于给定初始的训练图像能够重现其它更小尺度或者更大尺度的地质模式,可以表征多尺度地质体的三维分布特征。
应了解的是,上述一般描述及以下具体实施方式仅为示例性及阐释性的,其并不能限制本发明所欲主张的范围。
附图说明
下面的所附附图是本发明的说明书的一部分,其绘示了本发明的示例实施例,所附附图与说明书的描述一起用来说明本发明的原理。
图1为本发明具体实施方式提供的一种基于多尺度分形的多点地质统计学建模方法的实施例一的流程图;
图2为本发明具体实施方式提供的一种基于多尺度分形的多点地质统计学建模方法的实施例二的流程图;
图3为本发明具体实施方式提供的一种基于多尺度分形的多点地质统计学建模方法的实施例三的流程图;
图4为本发明具体实施方式提供的一种基于多尺度分形的多点地质统计学建模方法的实施例四的流程图;
图5为本发明具体实施方式提供的一种基于多尺度分形的多点地质统计学建模装置的实施例一的示意框图;
图6为本发明具体实施方式提供的一种基于多尺度分形的多点地质统计学建模装置的实施例二的示意框图;
图7为本发明具体实施方式提供的一种基于多尺度分形的多点地质统计学建模装置的实施例三的示意框图;
图8为本发明具体实施方式提供的一种基于多尺度分形的多点地质统计学建模装置的实施例四的示意框图;
图9为本发明具体实施方式提供的一种对原始训练图像进行膨胀和溶蚀计算得到的训练图像库;
图10为对图9中的训练图像库直接取样完成对地质体分布的模拟;
图11为用不同的颜色描述图10中的多尺度地质体。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白,下面将以附图及详细叙述清楚说明本发明所揭示内容的精神,任何所属技术领域技术人员在了解本发明内容的实施例后,当可由本发明内容所教示的技术,加以改变及修饰,其并不脱离本发明内容的精神与范围。
本发明的示意性实施例及其说明用于解释本发明,但并不作为对本发明的限定。另外,在附图及实施方式中所使用相同或类似标号的元件/构件是用来代表相同或类似部分。
关于本文中所使用的“第一”、“第二”、…等,并非特别指称次序或顺位的意思,也非用以限定本发明,其仅为了区别以相同技术用语描述的元件或操作。
关于本文中所使用的方向用语,例如:上、下、左、右、前或后等,仅是参考附图的方向。因此,使用的方向用语是用来说明并非用来限制本创作。
关于本文中所使用的“包含”、“包括”、“具有”、“含有”等等,均为开放性的用语,即意指包含但不限于。
关于本文中所使用的“及/或”,包括所述事物的任一或全部组合。
关于本文中所使用的用语“大致”、“约”等,用以修饰任何可以微变化的数量或误差,但这些微变化或误差并不会改变其本质。一般而言,此类用语所修饰的微变化或误差的范围在部分实施例中可为20%,在部分实施例中可为10%,在部分实施例中可为5%或是其他数值。本领域技术人员应当了解,前述提及的数值可依实际需求而调整,并不以此为限。
某些用以描述本申请的用词将于下或在此说明书的别处讨论,以提供本领域技术人员在有关本申请的描述上额外的引导。
图1为本发明具体实施方式提供的一种基于多尺度分形的多点地质统计学建模方法的实施例一的流程图,如图1所示,先对原始训练图像进行膨胀、溶蚀处理,再采用直接采样的多点模拟方法从大到小依次模拟地质体。
该附图所示的具体实施方式中,基于多尺度分形的多点地质统计学建模方法包括:
步骤101:对原始训练图像进行膨胀、溶蚀处理从而生成不同缩放程度的模式(Pattern)库,其中,模式库中包括多个训练图像。其中,模式库中包括不同膨胀或不同缩放溶蚀的训练图像;不同缩放程度具体指不同膨胀程度和不同缩放溶蚀等。
本发明的具体实施例中,假设原始训练图像为V(V∈R3),膨胀后记作V(r),V(r)是分布在R3中到y点距离小于或等于r点的集合:
其中,R3为三维空间;r为球的半径;V为原始训练图像;V(r)为膨胀后的训练图像;x为地质体内任意点;y为三维空间内任意点。
膨胀处理所依据的公式为:
V(r)=x∈VBr(x)
其中,V(r)为膨胀后的体积;V为膨胀前的体积;Br(x)为半径为r的球;r为球的半径。
进一步地,
V(r)=μr3-MFD
其中,μ为待拟合的常系数;MFD(r)为分形维数;V(r)为膨胀后的体积;r为球的半径。
分形维数MFD(r)的计算公式为:
其中,N为原始训练图像膨胀后所在的拓扑空间维。
具体地,对于三维砂-泥岩连接剖面,可以按照下述公式计算分形维数:
步骤102:根据所述模式库采用直接采样的多点模拟方法从大到小依次模拟地质体。本发明的具体实施例中,模式库中包括不同膨胀程序和不同缩放溶蚀的训练图像。例如,对于一个1000×1000×1的矩阵,用10×10×1的样本进行扫描,最多的扫描结果是990*990*1个;模拟过程中所采用的样本大小是一样的,但样本中的模式大小在变化,具体来说,膨胀或溶蚀前对应的样本大小相同,溶蚀后模式(Pattern)变小(即图像变小),膨胀后模式(Pattern)变大(即图像变大)。
参见图1,实现了大尺度地质体自动逐级约束小尺度地质体的分布,对于给定初始的训练图像能够重现其它更小尺度或者更大尺度的地质模式,可以表征多尺度地质体的三维分布特征。
图2为本发明具体实施方式提供的一种基于多尺度分形的多点地质统计学建模方法的实施例二的流程图,如图2所示,在生成模式库之前,需要建立原始训练图像。
该附图所示的具体实施方式中,步骤101之前,该方法还包括:
步骤100:建立所述原始训练图像。其中,原始训练图像为三维图像。
参见图2,对原始训练图像进行膨胀、溶蚀处理之前,需要建立原始训练图像,例如,利用基于像素的离散变量模型建立原始训练图像。
图3为本发明具体实施方式提供的一种基于多尺度分形的多点地质统计学建模方法的实施例三的流程图,如图3所示,获得包含多尺度地质体信息的模拟结果,从而清晰、直观地表征多尺度地质体。
该附图所示的具体实施方式中,步骤102之后,该方法还包括:
步骤103:获得包含多尺度地质体信息的模拟结果。模拟结果中包含有多尺度地质体信息。
参见图3,模拟结果中包含多尺度地质体信息,可以清晰、直观地表征多尺度地质体,便于观察者观看。
图4为本发明具体实施方式提供的一种基于多尺度分形的多点地质统计学建模方法的实施例四的流程图,如图4所示,采用直接采样的多点模拟方法从大到小依次模拟地质体。
该附图所示的具体实施方式中,步骤102具体包括:
步骤1021:网格化所述模式库中的训练图像。本发明的具体实施例中,根据预先规定,对训练图像进行扫描。例如,如果训练图像为200×200×1,样本大小为10×10×1,最多的扫描结果为190×190×1。
步骤1022:直接取样所述训练图像的各种模式。
步骤1023:根据所述模式从大尺度到小尺度对地质体依次模拟,其中,大尺度地质体的模拟约束小尺度地质体的模拟。本发明的具体实施例中,小尺度地质体是从大尺度地质体范围内模拟的,从而实现大尺度地质体自动逐级约束小尺度地质体的分布。
参见图4,根据训练图像的模式依次建立从大尺度地质体到小尺度地质体的模拟结果,从而实现大尺度地质体自动逐级约束小尺度地质体的分布,可以描述多尺度地质体的三维分布特征。
图5为本发明具体实施方式提供的一种基于多尺度分形的多点地质统计学建模装置的实施例一的示意框图,如图5所示的装置可以应用到图1~图4所示的方法中,模式库生成单元先对原始训练图像进行膨胀、溶蚀处理,再采用直接采样的多点模拟方法从大到小依次模拟地质体。
该附图所示的具体实施方式中,基于多尺度分形的多点地质统计学建模装置包括:模式库生成单元11和模拟单元12。其中,模式库生成单元11用于对原始训练图像进行膨胀、溶蚀处理从而生成不同缩放程度的模式库,其中,模式库中包括多个训练图像;模拟单元12用于根据所述模式库采用直接采样的多点模拟方法从大到小依次模拟地质体。
参见图5,实现了大尺度地质体自动逐级约束小尺度地质体的分布,对于给定初始的训练图像能够重现其它更小尺度或者更大尺度的地质模式,可以表征多尺度地质体的三维分布特征。
图6为本发明具体实施方式提供的一种基于多尺度分形的多点地质统计学建模装置的实施例二的示意框图,如图6所示,在生成模式库之前,需要图像建立单元建立原始训练图像。
该附图所示的具体实施方式中,多点地质统计学建模装置还包括图像建立单元13。其中,图像建立单元13用于建立所述原始训练图像。
参见图6,对原始训练图像进行膨胀、溶蚀处理之前,需要建立原始训练图像,例如,可以利用基于像素的离散变量模型建立原始训练图像。
图7为本发明具体实施方式提供的一种基于多尺度分形的多点地质统计学建模装置的实施例三的示意框图,如图7所示,获得单元获得包含多尺度地质体信息的模拟结果,从而清晰、直观地表征多尺度地质体。
该附图所示的具体实施方式中,多点地质统计学建模装置还包括获得单元14。其中,获得单元14用于获得包含多尺度地质体信息的模拟结果。
参见图7,模拟结果中包含多尺度地质体信息,能够清晰、直观地表征多尺度地质体,便于观察者观看。
图8为本发明具体实施方式提供的一种基于多尺度分形的多点地质统计学建模装置的实施例四的示意框图,如图8所示,模拟单元具体包括网格模块、取样模块和建立模块。
该附图所示的具体实施方式中,所述模拟单元12具体包括网格模块121、取样模块122和建立模块123。其中,网格模块121用于网格化所述模式库中的训练图像;取样模块122用于直接取样所述训练图像的各种模式;建立模块123用于根据所述模式从大尺度到小尺度对地质体依次模拟,其中,大尺度地质体的模拟约束小尺度地质体的模拟。
参见图8,根据训练图像的模式依次建立从大尺度地质体到小尺度地质体的模拟结果,从而实现大尺度地质体自动逐级约束小尺度地质体的分布,可以描述多尺度地质体的三维分布特征。
本发明的具体实施例还提供一种包含计算机执行指令的计算机存储介质,所述计算机执行指令经过数据处理设备处理时,执行多点地质统计学建模方法,其中,多点地质统计学建模方法包括如下步骤:
步骤100:建立所述原始训练图像。
步骤101:对原始训练图像进行膨胀、溶蚀处理从而生成不同缩放程度的模式库,其中,模式库中包括多个训练图像;不同缩放程度具体指不同膨胀程度和不同缩放溶蚀等。
步骤102:根据所述模式库采用直接采样的多点模拟方法从大到小依次模拟地质体。
步骤103:获得包含多尺度地质体信息的模拟结果。
本发明具体实施例研究建立一个河流-三角洲沉积模型,举例说明本发明基于多尺度分形的多点统计学建模方法。假设模型维数为200×200×1,网格大小为10m×10m×1m,井网井距为150m×150m。应用多点地质统计进行模式的构建和重现。在模式重现之前,对原始训练图像进行膨胀和溶蚀计算得到足够多的地质模式。在膨胀和溶蚀图像训练中,能够得到更多的较大和较小尺度的模式。通过对训练图像的直接取样完成模式的重现。首先,对图9中训练图像T1进行直接取样,接下来实现相应的限制对训练图像T2直接取样的模拟,依此类推,最终训练图像T9的直接取样完成对地质体分布的模拟,如图10所示。通过在对应大尺度模式训练图像直接取样进行小尺度模式的模拟。该模拟方法与解释地质体多尺度结构的步骤相同。最后,组成包含信息远超初始训练图像的一套复杂的分流河道系统,如图11所示。最终,实现考虑9个处理后的训练图像并用不同的颜色描述多尺度地质体。
本发明具体实施例提供一种多点地质统计学建模方法及装置、计算机存储介质,通过多尺度分形分析中的图形处理建立多尺度分形特征与油藏多尺度结构的关系;利用膨胀和溶蚀算法处理训练图像建立训练图像库,为多点地质建模提供了更多尺度的地质模式(Pattern);基于直接取样的多点模拟方式,建立了从大尺度地质体到小尺度地质体逐级模拟的算法,本发明实现了大尺度地质体自动逐级约束小尺度地质体的分布,对于给定初始的训练图像能够重现其它更小尺度或者更大尺度的地质模式,可以表征多尺度地质体的三维分布特征。另外,由于本发明的技术方案具有良好的应用前景,因此得到《致密气储层精细描述与地质建模技术》的资助,基金号为:2016ZX05047-003,从而进一步印证了本发明的实用性。
上述的本发明实施例可在各种硬件、软件编码或两者组合中进行实施。例如,本发明的实施例也可为在数据信号处理器(Digital Signal Processor,DSP)中执行上述方法的程序代码。本发明也可涉及计算机处理器、数字信号处理器、微处理器或现场可编程门阵列(Field Programmable Gate Array,FPGA)执行的多种功能。可根据本发明配置上述处理器执行特定任务,其通过执行定义了本发明揭示的特定方法的机器可读软件代码或固件代码来完成。可将软件代码或固件代码发展为不同的程序语言与不同的格式或形式。也可为不同的目标平台编译软件代码。然而,根据本发明执行任务的软件代码与其他类型配置代码的不同代码样式、类型与语言不脱离本发明的精神与范围。
以上所述仅为本发明示意性的具体实施方式,在不脱离本发明的构思和原则的前提下,任何本领域的技术人员所做出的等同变化与修改,均应属于本发明保护的范围。
Claims (10)
1.一种基于多尺度分形的多点地质统计学建模方法,其特征在于,该方法包括:
对原始训练图像进行膨胀、溶蚀处理从而生成不同缩放程度的模式库,其中,模式库中包括多个训练图像;以及
根据所述模式库采用直接采样的多点模拟方法从大到小依次模拟地质体。
2.如权利要求1所述的基于多尺度分形的多点地质统计学建模方法,其特征在于,对原始训练图像进行膨胀、溶蚀处理从而生成不同缩放程度的模式库的步骤之前,该方法还包括:
建立所述原始训练图像。
3.如权利要求1所述的基于多尺度分形的多点地质统计学建模方法,其特征在于,根据所述模式库采用直接采样的多点模拟方法从大到小依次模拟地质体的步骤,具体包括:
网格化所述模式库中的所述训练图像;
直接取样所述训练图像的各种模式;以及
根据所述模式从大尺度到小尺度对地质体依次模拟,其中,大尺度地质体的模拟约束小尺度地质体的模拟。
4.如权利要求1所述的基于多尺度分形的多点地质统计学建模方法,其特征在于,根据所述模式库采用直接采样的多点模拟方法从大到小依次模拟地质体的步骤之后,该方法还包括:
获得包含多尺度地质体信息的模拟结果。
5.如权利要求1所述的基于多尺度分形的多点地质统计学建模方法,其特征在于,膨胀处理所依据的公式为:
V(r)=x∈VBr(x)
其中,V(r)为膨胀后的体积;V为膨胀前的体积;Br(x)为半径为r的球;r为球的半径。
6.一种基于多尺度分形的多点地质统计学建模装置,其特征在于,该装置包括:
模式库生成单元,用于对原始训练图像进行膨胀、溶蚀处理从而生成不同缩放程度的模式库,其中,模式库中包括多个训练图像;以及
模拟单元,用于根据所述模式库采用直接采样的多点模拟方法从大到小依次模拟地质体。
7.如权利要求6所述的基于多尺度分形的多点地质统计学建模装置,其特征在于,该装置还包括:
图像建立单元,用于建立所述原始训练图像。
8.如权利要求6所述的基于多尺度分形的多点地质统计学建模装置,其特征在于,所述模拟单元具体包括:
网格模块,用于网格化所述模式库中的训练图像;
取样模块,用于直接取样所述训练图像的各种模式;以及
建立模块,用于根据所述模式从大尺度到小尺度对地质体依次模拟,其中,大尺度地质体的模拟约束小尺度地质体的模拟。
9.如权利要求6所述的基于多尺度分形的多点地质统计学建模装置,其特征在于,该装置还包括:
获得单元,用于获得包含多尺度地质体信息的模拟结果。
10.一种包含计算机执行指令的计算机存储介质,其特征在于,所述计算机执行指令经过数据处理设备处理时,执行权利要求1~5任一所述的多点地质统计学建模方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710337891.3A CN107204040B (zh) | 2017-05-15 | 2017-05-15 | 多点地质统计学建模方法及装置、计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710337891.3A CN107204040B (zh) | 2017-05-15 | 2017-05-15 | 多点地质统计学建模方法及装置、计算机存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107204040A true CN107204040A (zh) | 2017-09-26 |
CN107204040B CN107204040B (zh) | 2020-01-14 |
Family
ID=59905750
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710337891.3A Active CN107204040B (zh) | 2017-05-15 | 2017-05-15 | 多点地质统计学建模方法及装置、计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107204040B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109061728A (zh) * | 2018-08-06 | 2018-12-21 | 中国石油大学(华东) | 一种滩坝砂体精细预测方法 |
CN110322555A (zh) * | 2018-03-29 | 2019-10-11 | 中国石油化工股份有限公司 | 分流河坝型三角洲前缘训练图像建立方法 |
CN111754623A (zh) * | 2019-03-27 | 2020-10-09 | 中国石油化工股份有限公司 | 一种基于多点地质统计学的离散裂缝建模方法 |
CN114817854A (zh) * | 2022-03-28 | 2022-07-29 | 山西大学 | 一种面向连续值变量基于线性回归的快速多点模拟方法 |
CN115034026A (zh) * | 2022-06-30 | 2022-09-09 | 河南理工大学 | 一种双重复杂分形水系网络定量表征方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007008658A1 (en) * | 2005-07-13 | 2007-01-18 | Services Petroliers Schlumberger | Computer-based generation and validation of training images for multipoint geostatistical analysis |
CN103268423A (zh) * | 2013-05-31 | 2013-08-28 | 山西大学 | 一种地理现象多点模拟空间尺度选择的方法 |
CN104850682A (zh) * | 2015-04-17 | 2015-08-19 | 长江大学 | 基于位置的多点地质统计学建模方法 |
-
2017
- 2017-05-15 CN CN201710337891.3A patent/CN107204040B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007008658A1 (en) * | 2005-07-13 | 2007-01-18 | Services Petroliers Schlumberger | Computer-based generation and validation of training images for multipoint geostatistical analysis |
CN103268423A (zh) * | 2013-05-31 | 2013-08-28 | 山西大学 | 一种地理现象多点模拟空间尺度选择的方法 |
CN104850682A (zh) * | 2015-04-17 | 2015-08-19 | 长江大学 | 基于位置的多点地质统计学建模方法 |
Non-Patent Citations (3)
Title |
---|
张天翼: "基于真实岩芯的多孔介质细观表征及数值计算", 《中国优秀硕士学位论文全文数据库 基础科学辑》 * |
张挺: "基于多点地质统计的多孔介质重构方法及实现", 《中国博士学位论文全文数据库 基础科学辑》 * |
张运祥: "分形理论及图像分形维数实时计算的研究", 《中国优秀博硕士学位论文全文数据库(博士) 医药卫生科技辑》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110322555A (zh) * | 2018-03-29 | 2019-10-11 | 中国石油化工股份有限公司 | 分流河坝型三角洲前缘训练图像建立方法 |
CN110322555B (zh) * | 2018-03-29 | 2021-07-30 | 中国石油化工股份有限公司 | 分流河坝型三角洲前缘训练图像建立方法 |
CN109061728A (zh) * | 2018-08-06 | 2018-12-21 | 中国石油大学(华东) | 一种滩坝砂体精细预测方法 |
CN111754623A (zh) * | 2019-03-27 | 2020-10-09 | 中国石油化工股份有限公司 | 一种基于多点地质统计学的离散裂缝建模方法 |
CN111754623B (zh) * | 2019-03-27 | 2024-04-16 | 中国石油化工股份有限公司 | 一种基于多点地质统计学的离散裂缝建模方法 |
CN114817854A (zh) * | 2022-03-28 | 2022-07-29 | 山西大学 | 一种面向连续值变量基于线性回归的快速多点模拟方法 |
CN114817854B (zh) * | 2022-03-28 | 2024-04-12 | 山西大学 | 一种面向连续值变量基于线性回归的快速多点模拟方法 |
CN115034026A (zh) * | 2022-06-30 | 2022-09-09 | 河南理工大学 | 一种双重复杂分形水系网络定量表征方法 |
CN115034026B (zh) * | 2022-06-30 | 2023-11-21 | 河南理工大学 | 一种双重复杂分形水系网络定量表征方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107204040B (zh) | 2020-01-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107204040A (zh) | 多点地质统计学建模方法及装置、计算机存储介质 | |
CN107644415B (zh) | 一种文本图像质量评估方法及设备 | |
CN110362887A (zh) | 一种基于Revit的快速建模方法 | |
CN101473352A (zh) | 表演驱动的脸部动画 | |
CN105842676A (zh) | 一种雷达盲区分析方法及装置 | |
JP2008530595A (ja) | 地形モデル化のためのデジタル標高モデル(dem)を向上させる方法および装置 | |
CN109493417A (zh) | 三维物体重建方法、装置、设备和存储介质 | |
CN109583377B (zh) | 一种管路模型重建的控制方法、装置及上位机 | |
CN106155540B (zh) | 电子毛笔笔形处理方法和装置 | |
CN110992366A (zh) | 一种图像语义分割方法、装置及存储介质 | |
CN108596881A (zh) | 一种爆破后岩石粒度的智能图像统计方法 | |
WO2018156087A1 (en) | Finite-element analysis augmented reality system and method | |
CN112860839A (zh) | 一种基于Unity3D的水环境质量实时监测方法及装置 | |
CN112465977A (zh) | 基于稠密点云修补三维模型水面漏洞的方法 | |
CN113780475B (zh) | 一种基于gis环境下山岭隧道模型融合方法 | |
CN110659702A (zh) | 基于生成式对抗网络模型书法字帖评价系统及方法 | |
CN112926681B (zh) | 一种基于深度卷积神经网络的目标检测方法及装置 | |
CN105321205A (zh) | 一种基于稀疏关键点的参数化人体模型重建方法 | |
CN106126529A (zh) | 一种面向嵌入式的三维空间数据存储方法 | |
Zhang et al. | Voxel-based urban vegetation volume analysis with LiDAR point cloud | |
CN107516341A (zh) | 基于ar的建筑风环境可视化方法 | |
CN113593007A (zh) | 一种基于变分自编码的单视图三维点云重建方法及系统 | |
Adalsteinsson et al. | Accurate and efficient implementation of pore-morphology-based drainage modeling in two-dimensional porous media | |
CN115797556B (zh) | 一种虚拟数字人面部轮廓3d重建装置 | |
Abaidi et al. | GAN-based generation of realistic compressible-flow samples from incomplete data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |