La reconstrucción de medios porosos se utiliza ampliamente en el estudio de los flujos de fluidos y en las ciencias de la ingeniería. Algunos métodos tradicionales de reconstrucción de medios porosos utilizan las características extraídas de medios porosos naturales reales y las copian para realizar reconstrucciones. En la actualidad, como una de las ramas importantes de los métodos de aprendizaje automático, el método de aprendizaje profundo de transferencia (DTL) ha demostrado un buen rendimiento en la extracción de características y su transferencia a los objetos predichos, que puede utilizarse para la reconstrucción de medios porosos. Por lo tanto, se presenta un método para reconstruir medios porosos aplicando DTL para extraer características de una imagen de entrenamiento (TI) de medios porosos para reemplazar el proceso de escanear un TI para diferentes patrones como en los métodos estadísticos de puntos múltiples. La red neuronal profunda se utiliza prácticamente para extraer las características complejas de la IT de los medios porosos y, a continuación, se puede obtener un resultado reconstruido mediante el aprendizaje de transferencia a través de la copia de estas características. El método propuesto se evaluó en muestras de pizarra y arenisca mediante la comparación de funciones de conectividad de puntos múltiples, curvas de variograma, permeabilidad, porosidad, etc. Los resultados experimentales demuestran que el método propuesto es muy eficaz y conserva características similares a las de la imagen de destino, acortando el tiempo de reconstrucción y reduciendo la carga de la CPU.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Efectos de una red de Estaciones de Referencia de Operación Continua en exactitud, precisión y desempeño de la Resolución de Ambigüedades
Artículo:
Origen de la luz del terremoto asociado a los terremotos en Christchurch, Nueva Zelanda, 2010-2011
Artículo:
Validación del MCG CMIP6 basada en la clasificación ECS y TCR para las proyecciones de temperatura del siglo XXI y la evaluación de riesgos.
Artículo:
Reconocimiento de zonas propensas a terremotos en el Himalaya: Validez de los resultados
Artículo:
Investigación numérica de la propagación de la fractura hidráulica en yacimientos naturalmente fracturados basada en el modelo de muelle reticular