投稿指南
一、本刊要求作者有严谨的学风和朴实的文风,提倡互相尊重和自由讨论。凡采用他人学说,必须加注说明。 二、不要超过10000字为宜,精粹的短篇,尤为欢迎。 三、请作者将稿件(用WORD格式)发送到下面给出的征文信箱中。 四、凡来稿请作者自留底稿,恕不退稿。 五、为规范排版,请作者在上传修改稿时严格按以下要求: 1.论文要求有题名、摘要、关键词、作者姓名、作者工作单位(名称,省市邮编)等内容一份。 2.基金项目和作者简介按下列格式: 基金项目:项目名称(编号) 作者简介:姓名(出生年-),性别,民族(汉族可省略),籍贯,职称,学位,研究方向。 3.文章一般有引言部分和正文部分,正文部分用阿拉伯数字分级编号法,一般用两级。插图下方应注明图序和图名。表格应采用三线表,表格上方应注明表序和表名。 4.参考文献列出的一般应限于作者直接阅读过的、最主要的、发表在正式出版物上的文献。其他相关注释可用脚注在当页标注。参考文献的著录应执行国家标准GB7714-87的规定,采用顺序编码制。

地质学论文_基于单一图像生成对抗神经网络方法

来源:地质与勘探 【在线投稿】 栏目:期刊导读 时间:2022-01-14 09:36
作者:网站采编
关键词:
摘要:文章摘要:沉积相建模是储层建模中的一个重要环节,有多种方法可以用来建立沉积相模型。传统的建模方法需要利用各种参数对变量的空间结构信息进行刻画,如变差函数、数据样式等

文章摘要:沉积相建模是储层建模中的一个重要环节,有多种方法可以用来建立沉积相模型。传统的建模方法需要利用各种参数对变量的空间结构信息进行刻画,如变差函数、数据样式等,在模拟中再现这种空间结构。利用生成对抗神经网络方法(GAN,Generative Adversarial Nets)建模采用了不同的策略,通过对大量图像(模型)的学习,生成与学习样本具有高度相似特征的模型。基于单一图像生成对抗神经网络方法(SinGAN,Generative Adversarial Nets based on single image)对传统的GAN方法进行改进,仅需一张图像进行训练就能够生成高度相似的图像。以N气田2个小层的沉积微相图为例,建立了相应的沉积相模型,并与经典的基于样式的多点地质统计学建模方法(Simpat)对比可以看出,SinGAN方法与训练图像刻画的沉积微相空间结构更相似,具有良好的应用前景。

文章关键词:

项目基金:《地质与勘探》 网址: http://www.dzyktzz.cn/qikandaodu/2022/0114/1472.html



上一篇:地质学论文_东昆仑那更银矿黄铁矿LA-ICP-MS原
下一篇:地质学论文_贵州黔水地1井首次探获中国南方石

地质与勘探投稿 | 地质与勘探编辑部| 地质与勘探版面费 | 地质与勘探论文发表 | 地质与勘探最新目录
Copyright © 2018 《地质与勘探》杂志社 版权所有
投稿电话: 投稿邮箱: