最近，国际地球物理顶尖期刊《Geophysical Journal International》发表了题为“Analysis of reconstructed multisource and multiscale 3-D digital rocks based on the cycle-consistent generative adversarial network method”的研究成果。此项成果由中国海洋大学海底科学与探测技术教育部重点实验室闫伟超副教授、邢会林教授、李三忠教授，中国石油大学（华东）孙建孟教授、迟蓬博士及山东科技大学Naser Golsanami副教授合作完成。

 数字岩石物理（DRP）对于从微观角度表征岩石的孔隙特征和岩石物理参数具有重要意义。在三维数字岩石重构方法中，应用最广泛的是计算机断层扫描（CT）方法。然而，岩石的孔隙结构具有多尺度特征，单一分辨率的CT扫描图像不能完全描述岩石的孔隙结构特征。本文基于深度学习中循环一致生成对抗网络（CycleGAN）方法分析了重构的多源、多尺度三维数字岩石（图1）。该方法充分融合了低分辨率图像的大视场和高分辨率图像的高精度特征的优点。为了研究该方法的性能，研究了砂岩和碳酸盐岩的两个CT扫描图像序列（图2）。此外，由于扫描电子显微镜（SEM）图像具有高分辨率，本研究还基于CT扫描图像和SEM图像的组合构建了不同分辨率的Berea三维数字岩石（图3）。最后，计算了重构的多源、多尺度三维数字岩石的统计性质和绝对渗透率，以评估其重构结果的精度。结果表明，基于CycleGAN方法重建的多尺度三维数字岩石在统计性质和岩石物理性质方面具有较好的精度，研究结果将有助于深入了解非均质岩石的岩石物理性质。

图1 循环一致生成对抗网络重构三维数字岩石的流程

图2 砂岩二维截面图像与三维数字岩心重构图像。

（a）低分辨率CT扫描图像；（b）高分辨率CT扫描图像（c）SRGAN重构图像；（d）CycleGAN重构图像

图3 Berea砂岩三维数字岩石。

从左到右，分别为低分辨率CT图像重构三维数字岩石、基于CycleGAN结合SEM图像重构的分辨率提升4倍、8倍和16倍三维数字岩石的结果。

  该研究受到了国家自然科学基金项目、山东省自然科学基金项目等资助。

Weichao Yan, Peng Chi, Naser Golsanami, Jianmeng Sun, Huilin Xing, Sanzhong Li, Huaimin Dong, Analysis of reconstructed multisource and multiscale 3-D digital rocks based on the cycle-consistent generative adversarial network method, Geophysical Journal International, Volume 235, Issue 1, October 2023, Pages 736–749.

文章链接：https://doi.org/10.1093/gji/ggad271