-
公开(公告)号：CN114137610B
公开(公告)日：2023-05-02
申请号：CN202111404706.0
申请日：2021-11-24
申请人： 同济大学
IPC分类号： G01V1/30 , G06N3/09 , G06N3/088 , G06F18/23 , G06F18/214 , G06F18/2134 , G06N3/06
摘要： 本发明涉及一种联合监督和非监督学习的低勘探区地层和岩性地震评价方法，包括以下步骤：1)基于叠后地震数据提取反映地质特征的地震属性，并进行弹性参数叠后反演得到反演结果；2)利用特征降维方法将提取的高维地震特征进行降维；3)基于降维后的特征，采用无监督学习方法进行聚类；4)利用无监督学习结果确定监督学习的适用范围；5)采用监督学习训练模型，对地震剖面进行岩性定量预测；6)利用无监督学习结果定性评估监督学习预测的不确定性。与现有技术相比，本发明相较仅利用监督学习的预测方法，不仅能够更好挖掘数据内部特征，表征地层的地质特征和差异，还可圈定监督学习的适用范围，对预测不确定性进行定性评估。
-
公开(公告)号：CN114821079A
公开(公告)日：2022-07-29
申请号：CN202210595664.1
申请日：2022-05-30
申请人： 同济大学
IPC分类号： G06V10/28 , G06V10/30 , G06V10/34 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , G06T5/00 , G06T7/60 , G06T7/62 , G01N23/046
摘要： 本发明涉及一种基于变分自编码器的岩石裂缝信息识别方法及系统，属于石油工程岩石力学压裂试验技术领域。对多个岩石试件中的每一岩石试件进行微电阻率扫描成像试验和CT扫描试验，得到岩石试件的训练用微电阻率分布二维图像和训练用CT扫描三维图像，以对初始变分自编码器进行训练，得到训练好的变分自编码器。在实际应用中，先获取待测岩石的微电阻率分布二维图像，利用训练好的变分自编码器即可重建得到CT扫描三维图像，从而能够精准确定待测岩石的裂缝信息，且成本低。
-
-
公开(公告)号：CN114137610A
公开(公告)日：2022-03-04
申请号：CN202111404706.0
申请日：2021-11-24
申请人： 同济大学
摘要： 本发明涉及一种联合监督和非监督学习的低勘探区地层和岩性地震评价方法，包括以下步骤：1)基于叠后地震数据提取反映地质特征的地震属性，并进行弹性参数叠后反演得到反演结果；2)利用特征降维方法将提取的高维地震特征进行降维；3)基于降维后的特征，采用无监督学习方法进行聚类；4)利用无监督学习结果确定监督学习的适用范围；5)采用监督学习训练模型，对地震剖面进行岩性定量预测；6)利用无监督学习结果定性评估监督学习预测的不确定性。与现有技术相比，本发明相较仅利用监督学习的预测方法，不仅能够更好挖掘数据内部特征，表征地层的地质特征和差异，还可圈定监督学习的适用范围，对预测不确定性进行定性评估。
-
公开(公告)号：CN112434878A
公开(公告)日：2021-03-02
申请号：CN202011429199.1
申请日：2020-12-09
申请人： 同济大学
摘要： 本发明涉及一种基于Cascade样本均衡的地震流体预测方法，包括以下步骤：1)获取包含多数类样例和少数类样例的原始学习样本；2)根据原始学习样本进行Cascade样本均衡得到新的类别均衡样本，并采用新的类别均衡样本构建基分类器进行地震流体类别的集成预测。与现有技术相比，本发明具有提高预测准确性等优点。
-
-
公开(公告)号：CN111273353A
公开(公告)日：2020-06-12
申请号：CN202010089000.9
申请日：2020-02-12
申请人： 同济大学
摘要： 本发明涉及一种基于U-Net网络的智能化地震数据去混叠方法及系统，该方法包括如下步骤：(1)构建用于地震数据去混叠的U-Net网络f；(2)获取模拟数据训练对：包括模拟的未混叠地震数据与混叠地震数据；(3)将模拟的混叠地震数据作为输入，未混叠地震数据作为训练标签训练U-Net网络，得到训练后的网络参数θ*；(4)基于迁移学习方法，利用部分含标签的实际混叠地震数据，对训练后的网络参数θ*进行微调，得到优化的网络参数 (5)利用优化的U-Net网络对待处理的地震数据进行循环迭代得到分离的地震数据。与现有技术相比，本发明避免了对数据线性、稀疏性及低秩等假设，去混叠处理效率高、稳定性好、精度高。
-
-
公开(公告)号：CN111753871B
公开(公告)日：2022-12-16
申请号：CN202010392710.9
申请日：2020-05-11
申请人： 同济大学
摘要： 本发明涉及一种基于XGBOOST算法与特征工程的岩性及流体类型识别方法，包括以下步骤：1)根据钻井或测井数据获取地层的岩性及流体类型标签以及对应的弹性参数数据构建岩性及流体类型‑弹性参数的学习样本；2)特征构造：根据弹性参数利用数学变换构造特征集合；3)特征选择：结合嵌入式特征选择与包裹式特征选择策略，在特征集合中选择最终的输入特征；4)通过XGBOOST算法构建多井岩性和流体识别的机器学习模型进行学习并输出岩性及流体类型识别结果与现有技术相比，本发明具有构造更多对岩性或流体敏感属性、兼顾了表达能力和泛化能力等优点。
-
公开(公告)号：CN111427086B
公开(公告)日：2021-03-26
申请号：CN202010255392.1
申请日：2020-04-02
申请人： 同济大学
IPC分类号： G01V1/30
摘要： 本发明涉及一种利用纵横波振幅频率分量预测地层最大衰减参数的方法，包括：S1、以地层的最大衰减参数表征出随频率变化的纵波和横波反射系数近似表达式，以纵波和横波反射系数近似表达式为基础，建立纵波非弹性阻抗和横波非弹性阻抗的表达式；S2、将提取的纵波和横波的反射振幅频率分量，分别代入纵波非弹性阻抗和横波非弹性阻抗的表达式，得到预测的纵波非弹性阻抗和横波非弹性阻抗；S3、以初始模型为约束，利用纵波非弹性阻抗和横波非弹性阻抗联合反演得到地层最大衰减参数。与现有技术相比，本发明不仅可用于计算地层的最大衰减参数，进行地震波传播过程中衰减补偿，同时也可以用于识别含油气储层。
-
-
-
-
-
-
-
-
-
搜索结果
42 条记录 (耗时 0.025 秒)
