基于递归卷积神经网络方法的地质建模
图像与视频处理
2019-04-30 v1 其他统计学
摘要
资源模型受地质单元范围的约束，而这些范围通常取决于岩性、蚀变和矿化。这些地质单元的三维模型必须从来自钻孔的稀缺信息以及对该矿床所处地质背景的有限认识中构建。在这项工作中，我们提出了一种基于递归卷积神经网络方法（RCNN）的多点地质统计模拟新技术。该方法需要条件数据以及一幅描绘矿床中预期发现的地质结构类型的训练图像。该训练图像用于学习所发现的类别模式，并在最终模拟模型中施加这些模式，同时以实际钻孔样品测井中发现的类别作为条件。在智利的一个铜矿床中进行了岩性建模过程以演示该方法。通过与现有技术的比较和空间度量来阐明概念及RCNN的特性。此外，通过简要回顾理论视角并考察其某些实际方面，讨论了该方法的优势与不足。
引用
@article{arxiv.1904.12190,
title = {Geological modeling using a recursive convolutional neural networks approach},
author = {Sebastian Avalos and Julian M. Ortiz},
journal= {arXiv preprint arXiv:1904.12190},
year = {2019}
}
备注
CIM convention 2019 - Conference