利用图神经网络预测岩石的有效弹性模量
原文中文，约400字，阅读约需1分钟。发表于：。本研究提出了一种基于图神经网络（GNNs）的方法，从数字 CT 扫描图像中预测岩石的有效弹性模量。使用 Mapper 算法将 3D 数字岩石图像转换为图数据集，包含关键的几何信息。经过训练的这些图在预测弹性模量方面表现出良好的效果。与卷积神经网络（CNNs）进行比较分析后发现，GNNs 在预测未见过的岩石性质方面具有卓越的性能。此外，微结构的图表示明显降低了 GPU...
本研究提出了一种基于图神经网络的方法，从数字 CT 扫描图像中预测岩石的有效弹性模量。使用 Mapper 算法将 3D 数字岩石图像转换为图数据集，经过训练的这些图在预测弹性模量方面表现出良好的效果。与卷积神经网络进行比较分析后发现，GNNs 在预测未见过的岩石性质方面具有卓越的性能。
