基于深度卷积生成对抗网络的压裂水平井压力预测方法

专利主权项内容

1.一种基于深度卷积生成对抗网络的压裂水平井压力预测方法，其特征在于，包括如下步骤：步骤1、基于嵌入式离散裂缝模型数值模拟器生成训练数据；步骤2、对训练数据进行预处理；步骤3、构建基于U-Net框架的深度卷积生成对抗网络模型；所述步骤3中，在基于U-Net框架的深度卷积生成对抗网络模型包括生成器和判别器；其中，生成器采用U-Net框架，U-Net框架是一种编码器-解码器结构，具体包括输入层、编码器层、解码器层、输出层；输入层用于输入裂缝形态图像数据；编码器层用于提取特征，编码器层由三个串联的块组成，每个块通过两个有效卷积和一个最大池化过程来实现，卷积核大小为3×3，步长为1，填充为0；每个卷积都采用ReLU激活函数；解码器层也由三个串联的块组成，每个块通过转置卷积将图像大小放大两倍，然后在扩展路径上对对称特征图像进行复制裁剪，恢复到原始分辨率；整个生成器网络设计的最大通道数达到512个，用于捕捉尺寸为32×32图像的特征；在转置卷积过程中，将卷积得到的浅层特征图与转置卷积得到的深层信息拼接在一起；输出层使用双曲正切函数作为激活函数；输入图像首先经过三层卷积，再经过三次转置卷积得到真实图像的信息；其中转置卷积的卷积核大小为3×3，步长为2；输入的填充和输出的填充均设置为1；模型由输入层输入裂缝形态图像数据，输出层输出压力分布图像数据，从而形成两种图像之间的映射关系；判别器采用卷积神经网络，设置卷积神经网络的卷积核为4×4，步长为2；卷积神经网络依次进行的卷积、批量标准化操作和LeakyReLU激活函数处理，然后通过Sigmoid激活函数输出最终的概率；步骤4、训练基于U-Net框架的深度卷积生成对抗网络模型，并输出训练完成的模型；步骤5、实时获取当前裂缝形态，输入训练完成的模型，预测得到当前压力分布图像。