【目的】页岩油气的开发常常需要深入了解页岩储层内部的孔裂隙分布规律以优化开发方案和提高产能，而分形维数对于反映页岩内部孔裂隙分布规律具有重要意义，【方法】提出一种基于卷积神经网络的页岩CT图片分形维数预测方法，自主搭建适用于油页岩CT图片的卷积神经网络模型，分别将不同温度热解下的油页岩样品CT切片和其对应的分形维数作为数据集和标签，对搭建好的卷积神经网络进行训练并预测，实现了对页岩CT图片分形维数的提取。【结果】将该训练好的模型应用于多种实际情况并与盒子计数法相比较，结果证明，通过卷积神经网络预测的页岩CT图片分形维数与盒子计数法计算得到的分形维数十分接近，大约差0.01，且在计算速度更快的情况下还可以很大程度的忽略CT图片具有的噪声和伪影。因此可以认为新方法有效的捕捉到了图像的结构特征，能够对图片的分形维数进行可靠的预估并具有较好的抗干扰能力。

1 网络结构与原理
1.1 卷积神经网络
1.2 搭建网络模型
2 模型训练原理
2.1 模型训练流程
2.2 损失函数
2.3 优化算法
2.4 模型手动调整
3 实验过程
3.1 数据集
3.2 基于盒子计数法的分形维数规律
3.3 噪声和伪影的添加
3.4 基于卷积神经网络的分形维数预测及其结果评估
3.5 对比实验
4 结论