基于条件生成对抗网络的不确定性空间信息重建
屠红艳1
陈钰2
1.上海电力大学现代教育技术中心/信息办 上海 2013062.上海理工大学科技发展研究院 上海 200093
摘要：目前用于不确定性空间信息重建的方法例如多点地质统计法,需要多次对训练图像(TI)进行扫描,再通过复杂的概率计算获得模拟结果,导致其效率较低.针对这一问题,文章提出了一种基于条件生成对抗网络(CGAN)的不确定性空间信息重建方法.条件数据作为已知的信息对不确定性空间信息重建具有非常重要的引导意义,CGAN方法将随机噪声与条件数据一起输入生成器中,条件数据用于指导空间信息的生成过程,而判别器用于判断生成器的重建数据与训练样本是否为同一数据.相较于传统方法,CGAN方法在训练完成后,学习到的特征能够以参数的形式存储在硬盘中,当需要进行同种空间信息重建时就可以重复利用,而不必每次重新扫描训练样本,因此具有明显的速度优势.对重建结果与训练样本进行孔隙度、变差函数、多点连通曲线和孔隙分布的对比分析工作,实验证明了 CGAN方法在条件数据的指导下能较好地在输出结果中再现TI的结构特征,同时效率与传统方法相比具有优势.
关键词：空间信息重建深度学习条件生成对抗网络
论文发表日期：2025-08-25
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：6( 30-35 )