頁巖薄片智能識別平臺
一、項目進展
創(chuàng)意計劃階段
二、負責人及成員
姓名
學院/所學專業(yè)
入學/畢業(yè)時間
學號
高志豪
計算機學院/物聯(lián)網(wǎng)工程
2017年/2021年
201731064410
林鐘煇
計算機學院/物聯(lián)網(wǎng)工程
2018年/2022年
201831064119
陽旭菻
計算機學院/計算機科學與技術(shù)
2018年/2022年
201831062525
李沛鍵
計算機學院/物聯(lián)網(wǎng)工程
2018年/2022年
201831064115
三、指導教師
姓名
學院/所學專業(yè)
職務/職稱
研究方向
陳雁
計算機科學學院
副教授
人工智能、復雜網(wǎng)絡、能源與人工智能交叉領(lǐng)域
劉忠慧
計算機科學學院
副教授
機器學習、人工智能、形式概念分析
四、項目簡介
美國海相頁巖氣藏的成功勘探開發(fā),展現(xiàn)了頁巖氣的巨大潛力和發(fā)展空間,同時也極大地促進了頁巖儲層微觀結(jié)構(gòu)表征分析技術(shù)的發(fā)展,通過頁巖巖心薄片觀察底層形態(tài)、確定底層數(shù)據(jù),是頁巖氣勘探開采中的重要一環(huán)。頁巖儲層的孔隙作為頁巖組分的一個重要部分,其結(jié)構(gòu)特征直接影響著儲層剩余儲量的剩余油的分布,因此,對頁巖薄片孔隙的形狀和類型進行研究是十分必要的。但在目前,頁巖薄片只能靠人工鑒定,這種方法工作量大,效率低,且主觀性強,誤差較大。深度學習是近年發(fā)展起來的具有多層次特征抽象歸納與知識發(fā)現(xiàn)能力的機器學習算法,目前已經(jīng)被廣泛應用到了語音識別、計算機視覺、自然語言處理等眾多領(lǐng)域。在地質(zhì)和巖石物理領(lǐng)域也有了初步的應用,深度學習方法在地質(zhì)數(shù)據(jù)的特征提取及預測識別方面有著廣闊的應用前景,本項目組將會開發(fā)頁巖薄片智能平臺,通過機器學習算法來學習專家知識,自動識別孔隙類型,這樣就可以大大提高效率,節(jié)省人力。
西南石油大學
2023-07-20