-
公开(公告)号：CN108732620A
公开(公告)日：2018-11-02
申请号：CN201810193221.3
申请日：2018-03-09
Applicant: 山东科技大学
IPC: G01V1/30
Abstract: 本发明公开了一种非监督与监督学习下的多波地震油气储层预测方法。该方法包括如下步骤：首先，利用不同卷积核卷积升维生成各类纵横波地震属性，然后，利用聚类分析法进行非监督学习，分别对纵、横波地震属性通过聚类分析降维，基于此，用聚合法求出取能突出油气储层特征的多波地震聚合属性，最后以降维后的聚合属性作为支持向量机的学习集，进行从已知到未知的地震油气储层的预测。将本发明方法应用于实际的油气储层预测，结果表明，所预测的地震油气储层边界更加清晰，预测结果与实际情况基本吻合。
-
公开(公告)号：CN108508485A
公开(公告)日：2018-09-07
申请号：CN201810193231.7
申请日：2018-03-09
Applicant: 山东科技大学
IPC: G01V1/30
Abstract: 本发明公开了一种基于粗糙集理论与色相法的多波油气地震响应表征方法，该方法利用粗糙集理论，结合专家经验优选出对地震储层响应敏感属性，去除冗余信息，以优选出的对地震储层敏感的属性为基础，综合纵横波对油气刻画的精度差异及岩石物理基础，形成三类对油气异常敏感的复合属性映射到色彩空间，进行RGB多属性融合，融合后的结果能够充分展现纵波和转换横波所蕴含的地下介质丰富的岩性与构造信息，克服了单一属性显示不足和单属性不能准确刻画油气储层边界精度的缺点，降低了反演结果的多解性，使图像显示的地震储层特征更加明显，提高了油气藏预测精度。
-
公开(公告)号：CN108508485B
公开(公告)日：2019-05-28
申请号：CN201810193231.7
申请日：2018-03-09
Applicant: 山东科技大学
IPC: G01V1/30
Abstract: 本发明公开了一种基于粗糙集理论与色相法的多波油气地震响应表征方法，该方法利用粗糙集理论，结合专家经验优选出对地震储层响应敏感属性，去除冗余信息，以优选出的对地震储层敏感的属性为基础，综合纵横波对油气刻画的精度差异及岩石物理基础，形成三类对油气异常敏感的复合属性映射到色彩空间，进行RGB多属性融合，融合后的结果能够充分展现纵波和转换横波所蕴含的地下介质丰富的岩性与构造信息，克服了单一属性显示不足和单属性不能准确刻画油气储层边界精度的缺点，降低了反演结果的多解性，使图像显示的地震储层特征更加明显，提高了油气藏预测精度。
-
公开(公告)号：CN108549107A
公开(公告)日：2018-09-18
申请号：CN201810198295.6
申请日：2018-03-12
Applicant: 山东科技大学
CPC classification number: G01V1/362 , G01V1/30 , G01V2210/52
Abstract: 本发明公开了一种基于弱监督学习的提高深层速度分析效果与效率的方法，该方法首先利用波动方程基准面技术，将炮集记录进行延拓，以消除上覆层速度横向不均匀的影响，然后输入共中心点CMP道集，制作速度谱，随后对速度谱进行去噪处理，以使速度谱能量团更加聚焦，获得高分辨率速度谱，随后利用约束优化法自动拾取叠加速度，即利用Viterbi算法对高分辨率速度谱进行约束优化处理，同时进行速度曲线拟合，将曲线拟合结果作为约束优化法自动拾取叠加速度的校正函数，以确保速度自动拾取的准确性与方向性。自动拾取获取的叠加速度为后续成像提供速度依据，同时为全波形反演提供初始速度模型。本发明不仅提高了常规地震数据处理的效率，更提高了拾取效果。
-
公开(公告)号：CN108732620B
公开(公告)日：2019-12-27
申请号：CN201810193221.3
申请日：2018-03-09
Applicant: 山东科技大学
IPC: G01V1/30
Abstract: 本发明公开了一种非监督与监督学习下的多波地震油气储层预测方法。该方法包括如下步骤：首先，利用不同卷积核卷积升维生成各类纵横波地震属性，然后，利用聚类分析法进行非监督学习，分别对纵、横波地震属性通过聚类分析降维，基于此，用聚合法求取出能突出油气储层特征的多波地震聚合属性，最后以降维后的聚合属性作为支持向量机的学习集，进行从已知到未知的地震油气储层的预测。将本发明方法应用于实际的油气储层预测，结果表明，所预测的地震油气储层边界更加清晰，预测结果与实际情况基本吻合。
-
Patent Agency Ranking
公开(公告)号：CN112083498B
公开(公告)日：2021-05-25
申请号：CN202011106590.8
申请日：2020-10-16
Applicant: 山东科技大学
IPC: G01V1/50
Abstract: 本发明公开了一种基于深度神经网络的多波地震油气储层预测方法，该方法包括如下步骤：首先，针对从纵横波地震属性集获得的原始数据，采用粒子群优化的聚类分析方法和核主成分分析方法进行地震属性的优选优化，去除冗余信息，突出多波地震油气储层特征，以获得较好的深度神经网络样本数据；然后，通过深度神经网络模型对获得的样本数据进行学习并进行仿真预测，获得油气储层评价图；最后，对油气储层评价图进行图像增强处理，以提高图像的细节信息和边缘辨识度，从而增加图像的清晰度。在油气储层预测中，本发明方法能够提高地震油气储层的刻画精度，为油气藏的识别与预测提供了一种新的途径。
-
公开(公告)号：CN112083498A
公开(公告)日：2020-12-15
申请号：CN202011106590.8
申请日：2020-10-16
Applicant: 山东科技大学
IPC: G01V1/50
Abstract: 本发明公开了一种基于深度神经网络的多波地震油气储层预测方法，该方法包括如下步骤：首先，针对从纵横波地震属性集获得的原始数据，采用粒子群优化的聚类分析方法和核主成分分析方法进行地震属性的优选优化，去除冗余信息，突出多波地震油气储层特征，以获得较好的深度神经网络样本数据；然后，通过深度神经网络模型对获得的样本数据进行学习并进行仿真预测，获得油气储层评价图；最后，对油气储层评价图进行图像增强处理，以提高图像的细节信息和边缘辨识度，从而增加图像的清晰度。在油气储层预测中，本发明方法能够提高地震油气储层的刻画精度，为油气藏的识别与预测提供了一种新的途径。
-
公开(公告)号：CN108629072A
公开(公告)日：2018-10-09
申请号：CN201810198302.2
申请日：2018-03-12
Applicant: 山东科技大学
Abstract: 本发明公开了一种面向地震油气储层分布的卷积神经网络学习与预测方法。该方法首先以原始地震数据为基础，提取能够表征油气特征的地震属性；然后设计卷积神经网络模型，将优选的几种地震属性作为网络的输入层，提取井位处的地震属性值，以井位处的孔隙度、渗透率、含油性作为训练样本，通过BP神经网络反向传播不断修改网络结构中的卷积核、权值W和偏置b等参数，直到模型训练完成。随后对无井区的数据进行测试，实现由有井区到无井区储层的横向预测。本发明方法直接在对油气敏感的属性体上进行卷积神经网络深度学习，能够实现同区块，甚至跨区域的未知地震储集体地震信息特征的横向预测。
-
公开(公告)号：CN108629072B
公开(公告)日：2019-07-09
申请号：CN201810198302.2
申请日：2018-03-12
Applicant: 山东科技大学
Abstract: 本发明公开了一种面向地震油气储层分布的卷积神经网络学习与预测方法。该方法首先以原始地震数据为基础，提取能够表征油气特征的地震属性；然后设计卷积神经网络模型，将优选的几种地震属性作为网络的输入层，提取井位处的地震属性值，以井位处的孔隙度、渗透率、含油性作为训练样本，通过BP神经网络反向传播不断修改网络结构中的卷积核、权值W和偏置b等参数，直到模型训练完成。随后对无井区的数据进行测试，实现由有井区到无井区储层的横向预测。本发明方法直接在对油气敏感的属性体上进行卷积神经网络深度学习，能够实现同区块，甚至跨区域的未知地震储集体地震信息特征的横向预测。
-
公开(公告)号：CN203750671U
公开(公告)日：2014-08-06
申请号：CN201420097870.0
申请日：2014-03-05
Applicant: 山东科技大学
IPC: B02C23/04
Abstract: 本实用新型公开了一种带有断电保险装置的行星式球磨机，其包括安装在转盘上的球磨罐底座、球磨罐、球磨机电源控制装置；上述电源控制装置内设置有断电保险装置，球磨罐底座上设置有压力传感器，压力传感与断电保险装置相连接；在行星式球磨机使用时，球磨罐置于球磨罐底座的压力传感器之上。当球磨罐转动过程中出现松动、窜动或者跳动等异常情形时，设置在球磨罐底座上的压力传感器将及时检测到压力的变化，并将该压力变化信号传输到断电保险装置，再经断电保险装置传输到球磨机电源控制装置，并由球磨机电源控制装置及时切断球磨机的电源，从而保证了球磨机使用的安全性。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.027 seconds)
