买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：成都理工大学

摘要：本发明公开了一种基于Phy‑ConvNeXt卷积神经网络的铸体薄片渗透率快速预测方法，该方法利用添加了物理信息的Phy‑ConvNeXt卷积神经网络智能预测铸体薄片图像渗透率。鉴于大量的铸体薄片数据难以获取，首先通过人工合成足够数据量的多孔介质二值图像作为输入数据，并利用CFD方法计算每张图像所对应的渗透率作为输出数据，将二值图像和其对应的渗透率标签作为训练模型的基础数据。然后基于Phy‑ConvNeXt卷积神经网络建立多孔介质渗透率预测模型，通过训练得到一个适合铸体薄片渗透率预测的模型。最后利用迁移学习方法预测铸体薄片的渗透率，R2为0.822，MSE为0.016，预测效果较好。本发明通过Phy‑ConvNeXt卷积神经网络，解决了铸体薄片渗透率预测效率以及预测准确度低的问题。

主权项：1.一种基于Phy-ConvNeXt卷积神经网络的铸体薄片渗透率快速预测方法，其特征在于，包括以下步骤：步骤一，通过计算机随机生成足够数量的多孔介质结构，在一定的像素区域中生成岩石颗粒，以获得渗流研究所需的孔隙结构样本图像作为模型输入数据；步骤二，利用商业有限元软件COMSOL对多孔介质图像进行数值模拟，使用达西定律计算多孔介质图像对应的渗透率，作为模型输出数据；步骤三，对输入的图像数据和输出的渗透率标签数据进行预处理，设置图像数据尺寸为模型可接受的大小，并使用MinMaxScaler方法对渗透率数据归一化，然后将图像数据和其对应的渗透率标签数据按一定比例划分为训练集、测试集和验证集；步骤四，建立Phy-ConvNeXt多孔介质渗透率预测模型，包括Conv层、正则化层、ConvNeXt网络、下采样层、平均池化层以及全连接层；在Phy-ConvNeXt多孔介质渗透率预测模型中添加额外的物理信息，将孔隙度信息添加到模型的损失函数中作为约束，修正后的损失函数为：Lθ＝λ1LMSEθ+λ2LPhyθ其中：λ1和λ2为权值，LMSE为均方误差损失，LPhy为真实孔隙度与图像计算孔隙度之间的损失；步骤五，使用回归评价指标R2和MSE评估Phy-ConvNeXt多孔介质渗透率预测模型在训练集和测试集上的性能；步骤六，使用CAD软件对铸体薄片中的岩石颗粒进行勾绘，重复步骤二到步骤五，利用迁移学习方法预测铸体薄片的渗透率。

全文数据：

权利要求：

百度查询： 成都理工大学 一种基于Phy-ConvNeXt卷积神经网络的铸体薄片渗透率快速预测方法