应用XCT断层扫描技术和GAN深度学习模型的多孔介质微观结构定量研究

物质在土壤中的迁移转化行为是研究地下水动力学的核心问题。定量化表征多孔介质拓扑结构并计算分析相关表面形态学参数，为研究复杂介质内物质运移微观机理提供了重要的数据基础和参数。应用微米级X射线计算机断层扫描(XCT)和图像处理技术，结合前沿的机器学习算法重建和定量分析多孔介质微观结构，可快速、批量创建高分辨率的复杂多孔介质研究样本。首先采用XCT技术，提取石英砂和散装土壤两类典型多孔介质的微观孔隙结构；而后基于生成对抗神经网络(GAN)模型重构复杂多孔介质的微观空间结构，与XCT扫描图像进行交叉验证；最后，计算获取Minkowski形态学参数，并基于多孔介质微观结构开展计算流体力学（CFD）数值模拟，计算石英砂和土壤多孔介质内的流动特征和渗透率。结果表明：1)GAN生成的合成数据与原始数据符合KS同分布，说明GAN能够成功合成与原始图像结构空间分布模式一致的图像；2)Minkowski宏观参数评价误差的较小，KS同分布结果表明，多孔介质样本的结构异质性会在一定程度上影响GAN模型的计算精度和效率；3)Open FOAM模拟计算得到的渗透率结果表明，GAN模型生成的多孔介质图像与原始图像具有...