一种基于生成式对抗网络（3DESGAN）的随机介质重构方法

本发明公开了一种基于生成式对抗网络(3DESGAN)的随机介质重构方法，包括如下步骤：步骤S1、获取三维随机介质图像数据；步骤S2、对步骤S1的三维随机介质图像数据进行二值化或分割预处理；步骤S3、构建深度学习网络模型，所述深度学习网络模型基于生成式对抗网络架构构建，包括生成器、判别器、解释器和Transformer模块，其中，所述Transformer模块基于注意力机制构建；所述生成器基于StyleGAN构建，用于生成随机介质图像，所述判别器基于深度卷积神经网络构建，用于区分真实图像与生成图像。本发明能够有效提高重构结果的可控性，条件数据约束孔隙分布，生成结果可定向调整以满足特定物理属性需求；通过解释器系统能够有效加速训练过程，降低训练成本。