-
公开(公告)号：CN110749929B
公开(公告)日：2020-06-05
申请号：CN201911032179.8
申请日：2019-10-28
Applicant: 山东科技大学
IPC: G01V1/50
Abstract: 本发明公开了一种基于机器学习的复杂地区地震反射层识别与追踪方法，其包括步骤：I.确定需要追踪解释的某一地震反射层位；II.提取目标层位处的局部地震波形数据作为标准地震道；利用动态时间规整算法对标准地震道和各个地震道滑动时窗内的波形数据进行匹配，获得最短弯曲路径，将最短弯曲路径值赋值给滑动时窗中心位置；原始地震剖面中所有滑动时窗计算完成后，计算获得相似性地震属性剖面；III.确定地震剖面层位追踪的纵向深度范围；IV.以相似性地震属性剖面作为输入，以追踪范围作为约束条件，利用Viterbi算法进行约束优化处理，对目标层位进行识别与追踪。本发明能够实现复杂地区地震反射层位识别与追踪，有利于提高地震反射层位解释追踪的精度与效率。
-
公开(公告)号：CN110348568A
公开(公告)日：2019-10-18
申请号：CN201910642578.X
申请日：2019-07-16
Applicant: 山东科技大学
Abstract: 本发明公开了一种适用于强电磁干扰地区的深部采空区探测方法，该方法针对强干扰背景下不同电性异常特点，分步实施不同的处理策略，即首先针对在强干扰背景下获得的原始CSAMT数据采用深度神经网络学习与预测方法进行异常值剔除；然后在静态校正过程中采用多方向时变二维中值空间滤波法以消除静态效应；随后采用均值阈值分割算法对反演后的视电阻率进行处理以去除浅部异常信息；最后对反演获得的电阻率进行基于幂函数的加权滤波处理以增强深部采空区电性特征。经过本发明处理后，CSAMT深部采空区有效电性特征得到了明显增强，所刻画的采空区边界更加清晰，测区深部采空区的探测精度明显提高。
-
公开(公告)号：CN110598796A
公开(公告)日：2019-12-20
申请号：CN201910877150.3
申请日：2019-09-17
Applicant: 山东科技大学
Abstract: 本发明公开了一种基于机器学习的深部采空区CSAMT电性特征增强与分类方法，其包括步骤：I.针对反演后的CSAMT电阻率异常特征，初始化能够去除浅部异常与增强深部采空区特征的卷积核；II.利用步骤I得到的卷积核进行卷积计算，以提取浅部异常信息和深部采空区电性异常信息；III.对步骤II获得的浅部卷积电阻率特征与深部采空区卷积电阻率特征进行计算，获得能量误差，若能量误差不满足精度要求，则返回步骤I修改初始化卷积核参数；若能量误差满足误差要求，则去除浅部异常干扰，增强深部采空区电性特征；IV.对步骤III获得的CSAMT电性特征进行基于核函数的模糊聚类分析；V.根据聚类结果，对采空区、巷道等地质特征进行识别与归类，并对采空区的基本情况进行预测。
-
Patent Agency Ranking
公开(公告)号：CN110749929A
公开(公告)日：2020-02-04
申请号：CN201911032179.8
申请日：2019-10-28
Applicant: 山东科技大学
IPC: G01V1/50
Abstract: 本发明公开了一种基于机器学习的复杂地区地震反射层识别与追踪方法，其包括步骤：I.确定需要追踪解释的某一地震反射层位；II.提取目标层位处的局部地震波形数据作为标准地震道；利用动态时间规整算法对标准地震道和各个地震道滑动时窗内的波形数据进行匹配，获得最短弯曲路径，将最短弯曲路径值赋值给滑动时窗中心位置；原始地震剖面中所有滑动时窗计算完成后，计算获得相似性地震属性剖面；III.确定地震剖面层位追踪的纵向深度范围；IV.以相似性地震属性剖面作为输入，以追踪范围作为约束条件，利用Viterbi算法进行约束优化处理，对目标层位进行识别与追踪。本发明能够实现复杂地区地震反射层位识别与追踪，有利于提高地震反射层位解释追踪的精度与效率。
-
公开(公告)号：CN110598796B
公开(公告)日：2022-04-12
申请号：CN201910877150.3
申请日：2019-09-17
Applicant: 山东科技大学
Abstract: 本发明公开了一种基于机器学习的深部采空区CSAMT电性特征增强与分类方法，其包括步骤：I.针对反演后的CSAMT电阻率异常特征，初始化能够去除浅部异常与增强深部采空区特征的卷积核；II.利用步骤I得到的卷积核进行卷积计算，以提取浅部异常信息和深部采空区电性异常信息；III.对步骤II获得的浅部卷积电阻率特征与深部采空区卷积电阻率特征进行计算，获得能量误差，若能量误差不满足精度要求，则返回步骤I修改初始化卷积核参数；若能量误差满足误差要求，则去除浅部异常干扰，增强深部采空区电性特征；IV.对步骤III获得的CSAMT电性特征进行基于核函数的模糊聚类分析；V.根据聚类结果，对采空区、巷道等地质特征进行识别与归类，并对采空区的基本情况进行预测。
-
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：CN110348568B
公开(公告)日：2021-02-23
申请号：CN201910642578.X
申请日：2019-07-16
Applicant: 山东科技大学
Abstract: 本发明公开了一种适用于强电磁干扰地区的深部采空区探测方法，该方法针对强干扰背景下不同电性异常特点，分步实施不同的处理策略，即首先针对在强干扰背景下获得的原始CSAMT数据采用深度神经网络学习与预测方法进行异常值剔除；然后在静态校正过程中采用多方向时变二维中值空间滤波法以消除静态效应；随后采用均值阈值分割算法对反演后的视电阻率进行处理以去除浅部异常信息；最后对反演获得的电阻率进行基于幂函数的加权滤波处理以增强深部采空区电性特征。经过本发明处理后，CSAMT深部采空区有效电性特征得到了明显增强，所刻画的采空区边界更加清晰，测区深部采空区的探测精度明显提高。
-
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。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.029 seconds)
