中国石油大学（华东）团队在《石油勘探与开发》2025年5期发表《 基于生成对抗网络的页岩孔隙结构参数表征方法 —— 图像数据增强、超分辨率重构和多矿物相分割 》，提出 GAN 综合框架。其用tyleGAN2-ADA仅100张HR图生成海量逼真HR图；SRCycleGAN无成对数据将三维数字岩心精度提8倍，孔隙数从15个/视域增至2052个；SegGAN自动分割矿物，IoU超0.75，黄铁矿识别率从30%升90%。在四川盆地页岩验证，超分后孔隙度、渗透率与真实HR数据偏差<8%，还适用于碳酸盐岩等，降勘探成本70%。

在页岩油气勘探中，精准观测孔隙结构是评估储层潜力的关键 —— 但传统成像技术始终面临 “高分辨率与大视域不可兼得”“矿物分割依赖人工易出错” 的难题。2025 年，中国石油大学（华东）团队在《石油勘探与开发》发表研究，提出基于生成对抗网络（GAN）的页岩孔隙表征框架，通过 “图像增强 + 超分辨率重构 + 多矿物自动分割” 三步流程，无需成对高低分辨率图像就能将三维数字岩心精度提升 8 倍，还能自动区分孔隙、有机质与矿物，为页岩油气开发提供了 “火眼金睛”。

  一、页岩观测的“两难困境”

页岩储层的孔隙尺寸从纳米到微米不等，且包含有机质、黏土、黄铁矿等多种矿物，传统观测方法始终难以突破两大局限：

1.1 分辨率与视域的矛盾

高分辨率成像（如 5nm / 像素的 SEM 图像）能看清纳米级孔隙，但视域仅几微米，无法反映整体储层特征；大视域图像（如 40nm / 像素）虽能覆盖更大范围，却会丢失细尺度孔隙 —— 就像用显微镜看不全整片树叶，用广角镜又看不清叶脉纹路，难以全面评估储层潜力。

1.2 矿物分割精度低、效率差

传统方法（如阈值分割、分水岭算法）依赖人工调整参数，且不同矿物灰度相似时易混淆。例如有机质与黏土矿物的灰度值接近，人工分割时误判率高达 20% 以上，导致孔隙度、渗透率等关键参数计算偏差，直接影响开发方案设计。

1.3 高分辨率数据稀缺

获取高分辨率页岩图像（如 FIB-SEM 三维成像）耗时且成本高，单一样品成像费用超万元，难以积累足够训练数据，制约了后续数字化分析。

  二、GAN 框架的三个突破：从数据到分割全流程升级

团队提出的 GAN 综合框架，用三个核心模块逐一解决传统技术痛点，形成 “数据增强→超分重构→自动分割” 的完整链路：

2.1 StyleGAN2-ADA——让少数据生成 “海量高清图”

针对高分辨率图像稀缺问题，框架用 StyleGAN2-ADA 模型，仅需 100 张 512×512 像素的真实高分辨率（HR）图像，就能生成大量逼真的 HR 图像：

核心原理：通过 “映射网络 + 合成网络” 组合，映射网络将随机噪声转化为 “风格向量”，合成网络根据风格向量生成带细节的页岩图像，还能通过自适应数据增强（ADA）避免过拟合；

效果：生成的 HR 图像与真实图像视觉相似度超 90%，孔隙、有机质、黄铁矿的分布特征高度一致，孔隙度误差仅 0.3%，相当于用 100 张图 “造” 出上万张训练数据，解决了数据稀缺难题。

图1 StyleGAN2-ADA生成的页岩HR图像与真实HR图像对比

2.2 SRCycleGAN——无成对数据也能让模糊图像变清晰

传统超分辨率技术需成对的高低分辨率图像训练，而该框架的 SRCycleGAN 模型打破这一限制，能直接将低分辨率（LR）图像精度提升 8 倍：

核心逻辑：通过两个生成器（(G{L2H})将 LR 转 HR，(G{H2L})将 HR 转 LR）和两个判别器，利用 “循环一致性损失” 确保图像转换可逆（如 LR→HR→LR 能还原原始图像），无需人工配对数据；

关键突破：不仅能降噪、去模糊，还能重构 LR 图像中丢失的纳米级孔隙 —— 例如 40nm / 像素的 LR 图像经处理后，能清晰显示原本不可见的 10nm 级有机质孔隙，孔隙数量从 15 个 / 视域增至 2052 个 / 视域。

图2 页岩LR图像（64×64）、SRCycleGAN超分结果与真实 HR 图像（512×512）对比

图3 三维页岩数字岩心超分重构结果

2.3 SegGAN——AI自动区分矿物，准确率超90%

针对人工分割精度低的问题，框架用 SegGAN 模型实现多矿物自动分割，核心是将 U-Net 分割网络与 GAN 结合：

工作流程：先用分水岭算法获取初步分割标签，再用 HR 灰度图像与标签训练 SegGAN，生成器学习 “灰度→分割” 的映射，判别器区分真实与生成的分割图；

精度提升：对孔隙、有机质、黏土的分割交并比（IoU）均超 0.75，尤其能精准识别有机质中的黏土条带 —— 传统方法误判率超 25%，而 SegGAN 误判率降至 5% 以下，还能自动检出分水岭算法遗漏的黄铁矿颗粒。

图4 页岩多矿物分割对比

  三、实验验证

团队在四川盆地侏罗系页岩样品上验证框架性能，关键指标全面超越传统方法：

3.1 超分辨率重构：孔隙表征更精准

三维数字岩心经超分后，孔隙度从 LR 图像的 0.71% 修正为 2.83%，与真实 HR 图像的 2.55% 高度吻合；

渗透率计算偏差从 30% 降至 8% 以下 —— 例如 LR 图像预测渗透率接近 0（误判为无连通孔隙），超分后计算值为 4.435×10⁻⁶μm²，与真实岩心的 3.579×10⁻⁶μm² 几乎一致，为产能评估提供可靠依据。

3.2 自动分割：效率提升 10 倍，误差大幅降低

人工分割单张 512×512 图像需 30 分钟，SegGAN 仅需 3 秒，效率提升 600 倍；

对黄铁矿的识别率从传统方法的 30% 提升至 90%，解决了 “矿物漏检导致储层评价偏差” 的问题。

表1 LR图像、SRCycleGAN超分结果与真实HR图像的孔隙结构参数对比表

  四、落地价值

该框架不仅解决了页岩观测难题，还能拓展至碳酸盐岩、煤岩等其他非均质多孔介质，为油气勘探带来三大实际价值：

4.1 降低勘探成本

无需大量高分辨率成像数据，仅用少量真实 HR 图像就能生成训练数据，单样品成像成本降低 70% 以上，加速储层数据库建设。

4.2 优化开发方案

精准的孔隙与矿物分布数据，能指导压裂方案设计 —— 例如识别出高孔隙度区域后，可针对性增加压裂簇密度，提升油气产量 15%-20%。

4.3 推动数字岩心发展

生成的高保真数字岩心可用于数值模拟，替代部分物理实验，缩短开发周期 —— 传统物理实验需 3 个月获取渗透率数据，数字模拟仅需 1 周，大幅提升研发效率。

  五、总结

这套基于 GAN 的页岩孔隙表征框架，核心价值在于用 AI 打破了传统成像的物理局限 —— 无需依赖昂贵的高分辨率设备，就能通过算法 “还原” 细尺度孔隙；无需人工干预，就能自动区分复杂矿物。其 8 倍超分精度、90% 以上的分割准确率，不仅为页岩油气勘探提供了新工具，更推动了 “数字岩心” 技术从 “可视化” 向 “精准化” 升级。未来，随着模型在更多储层类型中的应用，或许我们能更高效地找到隐藏在地下的油气宝藏。

---

论文链接：https://www.cpedm.com/CN/10.11698/PED.20240667

中国石油大学（华东）团队在《石油勘探与开发》2025年5期发表《 基于生成对抗网络的页岩孔隙结构参数表征方法 —— 图像数据增强、超分辨率重构和多矿物相分割 》，提出 GAN 综合框架。其用tyleGAN2-ADA仅100张HR图生成海量逼真HR图；SRCycleGAN无成对数据将三维数字岩心精度提8倍，孔隙数从15个/视域增至2052个；SegGAN自动分割矿物，IoU超0.75，黄铁矿识别率从30%升90%。在四川盆地页岩验证，超分后孔隙度、渗透率与真实HR数据偏差<8%，还适用于碳酸盐岩等，降勘探成本70%。

在页岩油气勘探中，精准观测孔隙结构是评估储层潜力的关键 —— 但传统成像技术始终面临 “高分辨率与大视域不可兼得”“矿物分割依赖人工易出错” 的难题。2025 年，中国石油大学（华东）团队在《石油勘探与开发》发表研究，提出基于生成对抗网络（GAN）的页岩孔隙表征框架，通过 “图像增强 + 超分辨率重构 + 多矿物自动分割” 三步流程，无需成对高低分辨率图像就能将三维数字岩心精度提升 8 倍，还能自动区分孔隙、有机质与矿物，为页岩油气开发提供了 “火眼金睛”。

  一、页岩观测的“两难困境”

页岩储层的孔隙尺寸从纳米到微米不等，且包含有机质、黏土、黄铁矿等多种矿物，传统观测方法始终难以突破两大局限：

1.1 分辨率与视域的矛盾

高分辨率成像（如 5nm / 像素的 SEM 图像）能看清纳米级孔隙，但视域仅几微米，无法反映整体储层特征；大视域图像（如 40nm / 像素）虽能覆盖更大范围，却会丢失细尺度孔隙 —— 就像用显微镜看不全整片树叶，用广角镜又看不清叶脉纹路，难以全面评估储层潜力。

1.2 矿物分割精度低、效率差

传统方法（如阈值分割、分水岭算法）依赖人工调整参数，且不同矿物灰度相似时易混淆。例如有机质与黏土矿物的灰度值接近，人工分割时误判率高达 20% 以上，导致孔隙度、渗透率等关键参数计算偏差，直接影响开发方案设计。

1.3 高分辨率数据稀缺

获取高分辨率页岩图像（如 FIB-SEM 三维成像）耗时且成本高，单一样品成像费用超万元，难以积累足够训练数据，制约了后续数字化分析。

  二、GAN 框架的三个突破：从数据到分割全流程升级

团队提出的 GAN 综合框架，用三个核心模块逐一解决传统技术痛点，形成 “数据增强→超分重构→自动分割” 的完整链路：

2.1 StyleGAN2-ADA——让少数据生成 “海量高清图”

针对高分辨率图像稀缺问题，框架用 StyleGAN2-ADA 模型，仅需 100 张 512×512 像素的真实高分辨率（HR）图像，就能生成大量逼真的 HR 图像：

核心原理：通过 “映射网络 + 合成网络” 组合，映射网络将随机噪声转化为 “风格向量”，合成网络根据风格向量生成带细节的页岩图像，还能通过自适应数据增强（ADA）避免过拟合；

效果：生成的 HR 图像与真实图像视觉相似度超 90%，孔隙、有机质、黄铁矿的分布特征高度一致，孔隙度误差仅 0.3%，相当于用 100 张图 “造” 出上万张训练数据，解决了数据稀缺难题。

图1 StyleGAN2-ADA生成的页岩HR图像与真实HR图像对比

2.2 SRCycleGAN——无成对数据也能让模糊图像变清晰

传统超分辨率技术需成对的高低分辨率图像训练，而该框架的 SRCycleGAN 模型打破这一限制，能直接将低分辨率（LR）图像精度提升 8 倍：

核心逻辑：通过两个生成器（(G{L2H})将 LR 转 HR，(G{H2L})将 HR 转 LR）和两个判别器，利用 “循环一致性损失” 确保图像转换可逆（如 LR→HR→LR 能还原原始图像），无需人工配对数据；

关键突破：不仅能降噪、去模糊，还能重构 LR 图像中丢失的纳米级孔隙 —— 例如 40nm / 像素的 LR 图像经处理后，能清晰显示原本不可见的 10nm 级有机质孔隙，孔隙数量从 15 个 / 视域增至 2052 个 / 视域。

图2 页岩LR图像（64×64）、SRCycleGAN超分结果与真实 HR 图像（512×512）对比

图3 三维页岩数字岩心超分重构结果

2.3 SegGAN——AI自动区分矿物，准确率超90%

针对人工分割精度低的问题，框架用 SegGAN 模型实现多矿物自动分割，核心是将 U-Net 分割网络与 GAN 结合：

工作流程：先用分水岭算法获取初步分割标签，再用 HR 灰度图像与标签训练 SegGAN，生成器学习 “灰度→分割” 的映射，判别器区分真实与生成的分割图；

精度提升：对孔隙、有机质、黏土的分割交并比（IoU）均超 0.75，尤其能精准识别有机质中的黏土条带 —— 传统方法误判率超 25%，而 SegGAN 误判率降至 5% 以下，还能自动检出分水岭算法遗漏的黄铁矿颗粒。

图4 页岩多矿物分割对比

  三、实验验证

团队在四川盆地侏罗系页岩样品上验证框架性能，关键指标全面超越传统方法：

3.1 超分辨率重构：孔隙表征更精准

三维数字岩心经超分后，孔隙度从 LR 图像的 0.71% 修正为 2.83%，与真实 HR 图像的 2.55% 高度吻合；

渗透率计算偏差从 30% 降至 8% 以下 —— 例如 LR 图像预测渗透率接近 0（误判为无连通孔隙），超分后计算值为 4.435×10⁻⁶μm²，与真实岩心的 3.579×10⁻⁶μm² 几乎一致，为产能评估提供可靠依据。

3.2 自动分割：效率提升 10 倍，误差大幅降低

人工分割单张 512×512 图像需 30 分钟，SegGAN 仅需 3 秒，效率提升 600 倍；

对黄铁矿的识别率从传统方法的 30% 提升至 90%，解决了 “矿物漏检导致储层评价偏差” 的问题。

表1 LR图像、SRCycleGAN超分结果与真实HR图像的孔隙结构参数对比表

  四、落地价值

该框架不仅解决了页岩观测难题，还能拓展至碳酸盐岩、煤岩等其他非均质多孔介质，为油气勘探带来三大实际价值：

4.1 降低勘探成本

无需大量高分辨率成像数据，仅用少量真实 HR 图像就能生成训练数据，单样品成像成本降低 70% 以上，加速储层数据库建设。

4.2 优化开发方案

精准的孔隙与矿物分布数据，能指导压裂方案设计 —— 例如识别出高孔隙度区域后，可针对性增加压裂簇密度，提升油气产量 15%-20%。

4.3 推动数字岩心发展

生成的高保真数字岩心可用于数值模拟，替代部分物理实验，缩短开发周期 —— 传统物理实验需 3 个月获取渗透率数据，数字模拟仅需 1 周，大幅提升研发效率。

  五、总结

这套基于 GAN 的页岩孔隙表征框架，核心价值在于用 AI 打破了传统成像的物理局限 —— 无需依赖昂贵的高分辨率设备，就能通过算法 “还原” 细尺度孔隙；无需人工干预，就能自动区分复杂矿物。其 8 倍超分精度、90% 以上的分割准确率，不仅为页岩油气勘探提供了新工具，更推动了 “数字岩心” 技术从 “可视化” 向 “精准化” 升级。未来，随着模型在更多储层类型中的应用，或许我们能更高效地找到隐藏在地下的油气宝藏。

---

论文链接：https://www.cpedm.com/CN/10.11698/PED.20240667