多相流在多孔岩石中的分割：Python 工作流程
机器学习
2024-10-25 v1 机器学习
统计理论
统计理论
摘要
X射线微型计算机断层扫描（X-ray micro-CT）广泛用于调查多孔介质中的流动现象，为估算传统地质物理属性（如孔隙度、单相渗透性或流体连通性）提供了强大的核心尺度实验的替代方案。然而，分割过程对于从灰度图像中派生这些属性至关重要，但由于缺乏标准化工作流程或任何真实数据，不同研究之间的分割过程存在显著差异。这在尤其是对分割敏感的属性进行比较时引入了挑战。为此，我们提出了一个完全开源、自动化的用于 Bentheimer 砂岩中氮气和盐水填充物分割的工作流程。该工作流程包含传统图像处理管道，包括非局部均值滤波、图像配准、颗粒的 watershed 分割以及结合差分成像和阈值分割流体相的方法。我们的工作流程通过使其他研究小组轻松复制和验证发现，来增强可重复性，促进地质物理属性估计的一致性。此外，其模块化结构便于集成到建模框架中，实现前向-后向通信和参数灵敏度分析。我们将该工作流程应用于探索非湿相体积、表面积和连通性对图像处理的灵敏度。这个可适应的工具为 X射线微-CT 分析多孔介质的未来发展铺平了道路。
关键词
引用
@article{arxiv.2410.18938,
title = {A Random Matrix Theory Perspective on the Spectrum of Learned Features and Asymptotic Generalization Capabilities},
author = {Yatin Dandi and Luca Pesce and Hugo Cui and Florent Krzakala and Yue M. Lu and Bruno Loureiro},
journal= {arXiv preprint arXiv:2410.18938},
year = {2024}
}