一种基于机器学习的烃源岩三维空间展布定量预测技术

    公开(公告)号:CN110988997A

    公开(公告)日:2020-04-10

    申请号:CN201911374241.1

    申请日:2019-12-27

    Abstract: 本发明公开了一种基于机器学习的烃源岩三维空间展布定量预测技术,包括以下步骤:优选适合于小样本回归分析的支持向量机算法,通过支持向量机训练得到机器学习模型,通过对模型的N折交叉验证,保证模型的泛化性能;优选适合于大样本回归分析的随机森林算法,得到最小损失函数的模型;利用机器学习系列方法进行烃源岩三维空间展布预测,得到总有机碳含量在三维地震区块的空间展布,以及相应的模型泛化性能描述,预测误差分析等用于评估预测结果;本发明的有益效果:本发明通过机器学习方法,高精度、自动化的建立总有机碳含量地球化学参数与测井曲线、三维地震资料之间的关系,预测总有机碳含量在三维空间的展布。

    一种基于深度学习图像配准的地震波形反演方法及系统

    公开(公告)号:CN119247467A

    公开(公告)日:2025-01-03

    申请号:CN202411362027.5

    申请日:2024-09-27

    Abstract: 本发明涉及地震数据处理技术领域,具体为一种基于深度学习图像配准的地震波形反演方法及系统,方法包括:基于小偏移距观测数据和背景速度场进行最小二乘偏移构建反射系数模型,根据反射系数和所述背景速度场进行Born正演获取模拟地震记录图像;基于所述模拟地震记录图像和地震观测图像,采用深度学习图像配准获取地震记录形变场;计算归一化的形变场,判断所述归一化的形变场是否满足预设条件;若满足,迭代过程终止;否则,执行下一步;根据所述地震记录形变场和伴随震源,通过共轭梯度算法更新所述背景速度场,重复执行上述步骤。本发明利用了深度学习的高效率和高精度,避免波形匹配容易发生的周波跳跃问题陷入局部最小值。

Patent Agency Ranking