一种多源数据体融合的煤储层裂缝预测模型构建方法

    公开(公告)号:CN119270382A

    公开(公告)日:2025-01-07

    申请号:CN202411116160.2

    申请日:2024-08-14

    Abstract: 本发明涉及的是一种多源数据体融合的煤储层裂缝预测模型构建方法,它包括:获取某研究区某口井的煤储层煤样,将人工描述岩心裂缝强度与成像测井资料得到的裂隙面强度非重叠部分采用二者中较高的裂缝强度值,生成煤样裂缝强度曲线;建立分形维数曲线;对所取煤样进行全直径CT扫描,进行单层裂缝率定量计算,得到单层裂缝率曲线;融合得到的三类曲线,建立综合指示曲线;构建断层距离属性体;提取地震数据体,模拟地震数据体与综合指示曲线的相关性,选取敏感地震体;构建裂缝综合判别函数体;构建煤储层裂缝预测模型,进行煤储层裂缝预测。本发明综合取芯资料、常规测井、成像测井、CT扫描及地震预测裂缝的数据,提高了煤储层裂缝的预测精度。

    基于深度学习和噪声转移矩阵的复杂岩性识别方法

    公开(公告)号:CN118736274A

    公开(公告)日:2024-10-01

    申请号:CN202410732197.1

    申请日:2024-06-06

    Applicant: 同济大学

    Abstract: 本发明涉及的是基于深度学习和噪声转移矩阵的复杂岩性识别方法,它包括:获取岩芯图像,形成具有标签噪声的岩芯图像数据集;构建ResNet神经网络模型,利用岩芯图像数据集对模型进行预训练,计算岩芯图像数据集的噪声转移矩阵和噪声率;再构建两个ResNet神经网络模型,基于Co‑teaching思想,同时训练这两个模型,更新模型参数;在两个模型训练过程中,使用噪声转移矩阵对损失函数进行修正,以修正后的损失更新模型参数,得到岩性识别模型;用岩性识别模型对未标注岩芯样本进行岩性预测,可视化展示预测结果。本发明采用Co‑teaching技术和噪声转移矩阵相结合,能够高效准确识别含噪声数据集中的未知岩性。

Patent Agency Ranking