基于ResNet殘差神經(jīng)網(wǎng)絡(luò)識別的深部煤層顯微組分和微裂縫分類——以鄂爾多斯盆地石炭系本溪組8~#煤層為例

摘要： 顯微組分和微裂縫是煤儲層重要的微觀特征，影響煤儲層產(chǎn)氣能力和力學(xué)性質(zhì)。采集鄂爾多斯盆地深部煤層氣井石炭系本溪組8#煤層樣品，運用ResNet殘差神經(jīng)網(wǎng)絡(luò)識別方法，研究了顯微組分和微裂縫發(fā)育特征。在煤樣305個顯微組分和65個微裂縫圖樣本研究的基礎(chǔ)上，建立了基于殘差神經(jīng)網(wǎng)絡(luò)識別的煤巖顯微組分和微裂縫識別方法，并利用殘差神經(jīng)網(wǎng)絡(luò)技術(shù)對鏡下數(shù)據(jù)進行反演，構(gòu)建了深部煤儲層顯微組分和微裂... （共13頁）