[发明专利]基于GAN的试井解释代理模型生成方法

权利要求书

1.一种基于GAN的试井解释代理模型生成方法，其特征在于，包括以下步骤：

(1)根据已有压力数据绘制试井曲线，即绘制在双对数坐标系下压力和压力导数随着时间变化的曲线，并对曲线进行反褶积处理；

(2)调整试井曲线的图像尺寸，将图像尺寸调整为128像素×128像素；

(3)二值化图像，对试井曲线的图像上所有像素点进行采样，将小于给定阈值的像素点设定为白色，大于给定阈值的像素点设定为黑色，从而将试井曲线从图像上凸显出来；

(4)离散虚拟坐标，在128×128像素大小的图像上以左侧和下方两条边作为x和y坐标轴，设两条边长度均为1单位长度，则图像上的每个像素都可以离散为一个[0,1]区间内的坐标，记录这些点的坐标作为下一步模型训练的输入数据；

(5)配置GAN生成式对抗网络；GAN生成式对抗网络主要由生成器和判别器两部分组成，生成器由一个具有四层结构的神经网络构成，通过对输入数据添加一个随机噪声来生成与输入数据具有类似特征的模拟数据；判别器由一个三层结构的神经网络构成，最后一层使用Sigmod函数作为激活函数进行输出，用以判断生成器生成的模拟数据与原始数据是否具有足够的相似度；GAN生成式对抗网络通过生成器和判别器两个模块相互博弈，不断优化两个组件以产生较好的输出结果；

(6)将步骤(4)中记录数据输入步骤(5)中配置的模型进行训练，得到一系列可用于大规模神经网络模型训练的试井解释代理模型。

2.根据权利要求1所述的一种基于GAN的试井解释代理模型生成方法，其特征在于：对步骤(3)中二值化算法的阈值选取，采用最佳阈值迭代法，即选择整体图像的平均灰度T(j)作为初始阈值，用j表示迭代次数，初始时j＝0，之后用T(j)作为阈值将图像划分为C1和C2两个区域，再次计算两个区域各自的平均灰度， 用f(x,y)代表图像中指定点的灰度值，N代表相应区域包含的像素点数目，则上述平均灰度可由式下式计算：

再对上述两个平均灰度取算术平均，记做T(j+1)，反复进行迭代直到两次计算间的差值小于指定值即可近似得到最佳阈值。

3.根据权利要求1所述的一种基于GAN的试井解释代理模型生成方法，其特征在于：在步骤(5)中所述生成器的网络结构中，除输出层使用双曲正切函数tanh作为激活函数外，其余各层均采用线性整流函数作为激活函数，且各隐藏层神经元数量分别为256、512、1024，输出层神经元数量与输入相同；相应地，判别器网络结构中各隐藏层神经元数目分别为512和256，仅有一个代表布尔量的输出。