-
公开(公告)号:CN117831016A
公开(公告)日:2024-04-05
申请号:CN202410253048.7
申请日:2024-03-06
Applicant: 同济大学 , 中国石油天然气集团有限公司咨询中心
IPC: G06V20/60 , G01N21/84 , G06V10/764 , G06V10/82
Abstract: 本发明提出一种基于计算机视觉智能识别陆相页岩储层岩性的方法,包括,收集钻井取芯试样图像和记录岩性标签,采用手工匹配取芯试样图像与岩性标签形成数据集,并利用遍历算法自动规范化数据集;采用数字图像技术预处理数据集中的图像,并使用数据预处理方法处理数据集;构建视觉分类神经网络模型,根据处理之后的数据集训练视觉分类神经网络模型;评价模型训练结果,选取最优预测模型并采用交叉验证法进行验证;利用最优预测模型预测陆相页岩储层岩性并可视化预测结果。本发明可以高效且准确的预测陆相页岩等细粒沉积岩储层岩性。
-
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
Applicant: 同济大学 , 中国石油集团工程咨询有限责任公司
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。
-
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
IPC: G06V10/764 , G06V10/774 , G06V10/30 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084
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。
-
-