基于 cGAN 的井测导向的地下图像稀疏岩心学数据合成

地下构造的孔隙尺寸成像成本高昂且仅限于离散深度，导致储集层表征存在显著数据间隙。为此，我们提出一种条件生成对抗网络(cGAN)框架，用于从稀疏岩心学数据合成真实的碳酸盐岩 Formation 薄片图像。该模型在15个岩心样本中提取5000个子图像进行训练，覆盖1992-2000米的深度区间。模型能够在宽广的孔隙率范围内(0.004-0.745)生成地质上一致的图像，在目标孔隙率值±10%的误差范围内实现81%的准确率。成功将井测数据与训练好的生成器集成，使得在井筒内实现了连续的孔隙尺寸可视化，弥补了离散核样取样点之间的差距，为储集层表征以及碳捕集和地下氢气储存等能源转型应用提供了宝贵的洞察。