買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉臨沂大學申請的專利一種多組分數字巖心重構方法、裝置、設備及介質獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN120147538B 。

龍圖騰網通過國家知識產權局官網在2025-09-12發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510250309.4，技術領域涉及：G06T17/00；該發明授權一種多組分數字巖心重構方法、裝置、設備及介質是由林偉;李熙喆;王娟;胡勇;張吉振;李明濤;趙新禮;謝坤設計研發完成，并于2025-03-04向國家知識產權局提交的專利申請。

本一種多組分數字巖心重構方法、裝置、設備及介質在說明書摘要公布了：本發明公開了一種多組分數字巖心重構方法、裝置、設備及介質，涉及儲層測井識別技術領域，本發明通過引入Wasserstein距離，計算生成樣本與真實樣本分布的Wasserstein距離，在訓練中逐層最小化Wasserstein距離，解決訓練過程中的不收斂問題，提高訓練穩定性和生成樣本的質量；通過在判別器中嵌入先驗知識決策，以對礦物分布、孔隙率和裂縫特征進行正則化約束，提高判別器對生成樣本真實性和符合領域特征的判斷能力，提高多組分結構的重構準確性；同時引入梯度懲罰機制，提升模型訓練的穩定性和生成樣本的分布一致性，最終利用訓練后的網絡模型重構多組分數字巖心，清晰展現儲層的復雜孔隙結構和多組分結構。

本發明授權一種多組分數字巖心重構方法、裝置、設備及介質在權利要求書中公布了：1.一種多組分數字巖心重構方法，其特征在于，包括以下步驟： 獲取碳酸鹽巖的小樣本多幅巖心圖像及與每個巖心圖像對應的巖心多組分結構； 在生成對抗網絡模型GAN的生成器中引入Wasserstein距離作為生成器的損失函數，形成改進的生成器；在生成對抗網絡模型GAN的判別器中嵌入先驗知識決策及梯度懲罰，形成改進的判別器；以及形成包括改進的生成器和改進的判別器的改進的生成對抗網絡模型WGAN-GP； 利用多幅巖心圖像對應的巖心多組分結構訓練改進的生成對抗網絡模型WGAN-GP；在訓練中，生成器通過輸入隨機噪聲向量和對應的領域知識向量，逐層優化網絡模型參數，同時生成器將Wasserstein距離作為損失函數，通過判別器的反饋信息調整生成樣本的分布以進行對抗訓練；判別器通過嵌入的先驗知識決策，對礦物分布、孔隙率及裂縫連通性施加約束，評估生成樣本與真實樣本的匹配程度；以及在生成器和判別器的對抗訓練中，生成器采用梯度懲罰機制，對真實樣本和生成樣本之間插值點進行梯度約束，以獲得訓練后的生成對抗網絡模型WGAN-GP； 將待重建的巖心圖像對應的巖心多組分結構輸入訓練后的生成對抗網絡模型WGAN-GP的生成器中，輸出重建后的多組分數字巖心； 所述生成對抗網絡模型GAN的改進，包括： 生成對抗網絡模型GAN中目標函數的對數似然損失為： ； 將對數似然損失替換為Wasserstein距離，Wasserstein距離的方程為： ； 其中：和是可能的兩個分布；是兩個分布和的聯合分布的集合，γ是,的一個可能的聯合分布；x表示真實樣本，y表示生成樣本，是從γ中抽取的樣本；表示兩個樣本x和y之間的距離；f表示1-Lipschitz函數； 在生成對抗網絡模型GAN的判別器中嵌入先驗知識決策，以獲取多組分比例的損失誤差，其中的損失函數表示為： ； 其中：表示第i個組分比例的樣本預測百分比；表示第i個組分比例的樣本真實百分比；表示標簽中包含的巖石組分類型的數量；表示原始損失函數在訓練神經網絡中的重要性比例；表示先驗知識在訓練神經網絡中的重要性比例； 為了保持1-Lipschitz函數的條件，用梯度懲罰替代WGAN中的權重剪切策略，對判別器輸出的梯度進行懲罰，梯度懲罰方程為： ； 其中：是從均勻分布中采樣的隨機變量；是超參數。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人臨沂大學，其通訊地址為：276000 山東省臨沂市蘭山區工業大道北段西側；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。