本发明公开了一种结合深度学习的多点地质统计三维建模方法。该方法针对传统多点地质统计算法的匹配过程耗时的问题，提出了结合深度学习的方法来进行重建加速。利用逐层重建的方法，将三维重建转化为二维的重建。设计了深度神经网络来学习采样图到孔隙图的映射关系，并将这种关系用于采样图的重建。本发明的主要创新包括：提出了用深度学习来加速多点地质统计方法的匹配过程的思路以及基于此思路的多点地质统计的三维建模算法。制作了用于本方法的数据集，采用视觉效果和统计函数定量比较的方式来衡量网络的性能。相比于传统多点地质统计方法非常耗时的逐点模拟的方式，本发明在保证精度的前提下，速度上有大幅度提升，具有较好的应用价值。
声明：
“结合深度学习的多点地质统计三维建模方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究，如用于商业用途，请联系该技术所有人。
我是此专利(论文)的发明人(作者)
829
编辑：管理员
来源：北方有色网
咨询细节
