-
公开(公告)号:CN118378135B
公开(公告)日:2024-09-24
申请号:CN202410823205.3
申请日:2024-06-25
Applicant: 西南石油大学
IPC: G06F18/24 , G06F18/214 , G06F18/10 , G06F18/15 , G06F18/2433 , G06F18/213 , G06N3/0455 , G06N3/09
Abstract: 本发明提供了一种基于频率信道转换和自监督的气井积液分类和预测方法,属于气井积液分类和预测技术领域。该方法包括对获取的气井天级生产数据进行分析特征选择和预处理,并分别构建有标签数据集以及无标签数据集;对分析特征数据进行频率信道转换和掩码处理,并利用时频一致性、近邻加权聚合恢复掩码时间点,构建预训练模型,利用无标签数据集对预训练模型进行训练;在下游积液任务中构建微调模型,并利用有标签数据集对微调模型的参数进行调整;利用进行参数调整后的微调模型输出分类结果和预测结果。本发明有效地解决气井积液分类和预测中标签数据有限的问题,提高模型准确性和效率。
-
公开(公告)号:CN118242061A
公开(公告)日:2024-06-25
申请号:CN202410339211.1
申请日:2024-03-25
Applicant: 西南石油大学
IPC: E21B47/002 , E21B47/00 , G01N15/08 , G01N21/84
Abstract: 本发明公开了一种储层温压下的油水相渗曲线可视化测试装置及方法,属于油藏勘探与开发技术领域,包括渗流可视化系统、驱替系统和数据采集系统;所述渗流可视化系统包括高温高压可视釜,放置在高温高压可视釜内的可视化模型和高温高压可视釜下部的平面步进驱动机;所述可视化模型的入口端通过微流管线与装有实验用油、水的中间容器相连,有效减少了实验装置的死体积,优化了实验耗时;本发明通过微观可视化技术和图像处理技术定量获取研究可视化模型内的油水赋存特征和油水两相流动特征。该装置基于储层温压下的可视化技术直观获取可视化油水两相流动特征,基于图像处理技术准确确定油水相对渗透率,对油藏水驱开发方案的合理调整有重要意义。
-
公开(公告)号:CN119293744A
公开(公告)日:2025-01-10
申请号:CN202411823412.5
申请日:2024-12-12
Applicant: 西南石油大学
IPC: G06F18/26 , G06N5/025 , G06N3/045 , G06N3/0464 , G06N3/0499 , G06N3/048 , G06N3/082
Abstract: 本发明涉及一种基于主客观评价的top‑k频繁模式挖掘方法及系统,属于数据挖掘领域;解决了由于缺乏有效的模式评估方式,传统技术挖掘出的top‑k模式,往往难以满足用户需求的问题。其技术方案是:首先,利用最小DFS序的编码技术,实现对模式的编码;随后,搭建基于孪生神经网络的模式评价模型(Graph Patterns Evaluation Model,GPEM),学习模式对之间的偏序关系,实现了模式主观评分难的情况下,对模式的主观偏好预测;最后,设计融合主客观的模式兴趣度评价函数,以指导top‑k模式挖掘。本发明提出了一种基于主客观评价的top‑k频繁模式挖掘方法及系统,实现了融合用户主观偏好和模式客观信息的top‑k频繁模式挖掘任务。
-
公开(公告)号:CN116934780A
公开(公告)日:2023-10-24
申请号:CN202311180469.3
申请日:2023-09-13
Applicant: 西南石油大学
IPC: G06T7/11 , G06T5/00 , G06V10/774 , G06V10/82 , G06N3/0475 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/082
Abstract: 本发明涉及一种基于深度学习的电成像测井图像裂缝分割方法及系统,属于电成像测井图像分割技术领域;解决了现有技术针对电成像测井图像无法获得精确的裂缝分割的问题;其技术方案是:首先改进Criminisi算法对电成像测井原始图像中的空白条带进行图像修复;接着构建以U型网络为生成器的生成对抗网络,结合双重注意力机制形成裂缝分割模型,并使用电成像测井修复图像数据集对裂缝分割模型进行训练,最后利用训练好的裂缝分割模型实现对电成像测井图像中裂缝的精确分割。本发明提出了一种新的基于深度学习的电成像测井图像裂缝分割方法及系统,能够自主训练获得裂缝分割图像,实现电成像测井图像裂缝的精细分割与提取,提升分割连续性与完整性。
-
公开(公告)号:CN118378135A
公开(公告)日:2024-07-23
申请号:CN202410823205.3
申请日:2024-06-25
Applicant: 西南石油大学
IPC: G06F18/24 , G06F18/214 , G06F18/10 , G06F18/15 , G06F18/2433 , G06F18/213 , G06N3/0455 , G06N3/09
Abstract: 本发明提供了一种基于频率信道转换和自监督的气井积液分类和预测方法,属于气井积液分类和预测技术领域。该方法包括对获取的气井天级生产数据进行分析特征选择和预处理,并分别构建有标签数据集以及无标签数据集;对分析特征数据进行频率信道转换和掩码处理,并利用时频一致性、近邻加权聚合恢复掩码时间点,构建预训练模型,利用无标签数据集对预训练模型进行训练;在下游积液任务中构建微调模型,并利用有标签数据集对微调模型的参数进行调整;利用进行参数调整后的微调模型输出分类结果和预测结果。本发明有效地解决气井积液分类和预测中标签数据有限的问题,提高模型准确性和效率。
-
公开(公告)号:CN117251802A
公开(公告)日:2023-12-19
申请号:CN202311509275.3
申请日:2023-11-14
Applicant: 西南石油大学
IPC: G06F18/243 , E21B49/00 , G01V11/00 , G06F18/2431 , G06F18/214 , G06N20/20 , G06N5/01 , G06N3/045 , G06N3/048 , G06N3/096
Abstract: 本发明涉及一种基于迁移学习的非均质储层参数预测方法及系统,属于储层评估领域;解决了现有方法在复杂储层上应用效果不理想的问题,以及模型解释性较差的问题。其技术方案是:首先,通过对数据不平衡问题采用数据增强算法,有效扩充不平衡测井数据,实现数据平衡;接着,利用随机森林算法分别建立基于测井数据的岩性判别模型和渗流能力判别模型;最后,基于储层参数之间的相关性,引入迁移学习,构建储层参数预测模型。本发明提出了一种基于迁移学习的非均质储层参数预测方法及系统,能够自主训练获取岩性类别和渗流能力等级,实现通过测井数据对复杂储层孔隙度和渗透率进行预测,具有较高的预测精度。
-
公开(公告)号:CN116934780B
公开(公告)日:2023-11-24
申请号:CN202311180469.3
申请日:2023-09-13
Applicant: 西南石油大学
IPC: G06T7/11 , G06T5/00 , G06V10/774 , G06V10/82 , G06N3/0475 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/082
Abstract: 本发明涉及一种基于深度学习的电成像测井图像裂缝分割方法及系统,属于电成像测井图像分割技术领域;解决了现有技术针对电成像测井图像无法获得精确的裂缝分割的问题;其技术方案是:首先改进Criminisi算法对电成像测井原始图像中的空白条带进行图像修复;接着构建以U型网络为生成器的生成对抗网络,结合双重注意力机制形成裂缝分割模型,并使用电成像测井修复图像数据集对裂缝分割模型进行训练,最后利用训练好的裂缝分割模型实现对电成像测井图像中裂缝的精确分割。本发明提出了一种新的基于深度学习的电成像测井图像裂缝分割方法及系统,能够自主训练获得裂缝分割图像,实(56)对比文件顾书豪.基于卷积神经网络的图像语义分割算法研究《.中国优秀硕士学位论文全文数据库(信息科技辑)》.2021,(第6期),I138-521.Zhang J等.Segmentation for Athlete'sAnkle Injury Image Using Residual DoubleAttention U-Net Model《.Brazilian Archivesof Biology and Technology》.2023,第66卷1-14.Chen T等 .Cross-DomainEchocardiography Segmentation with Multi-Space Joint Adaptation《.Sensors》.2023,第23卷(第3期),1-16.娄达平等.基于深度引导空洞填补的虚拟视点绘制方法《.计算机应用与软件》.2017,(第6期),168-174.
-
公开(公告)号:CN117251802B
公开(公告)日:2024-02-20
申请号:CN202311509275.3
申请日:2023-11-14
Applicant: 西南石油大学
IPC: G06F18/243 , E21B49/00 , G01V11/00 , G06F18/2431 , G06F18/214 , G06N20/20 , G06N5/01 , G06N3/045 , G06N3/048 , G06N3/096
Abstract: 本发明涉及一种基于迁移学习的非均质储层参数预测方法及系统,属于储层评估领域;解决了现有方法在复杂储层上应用效果不理想的问题,以及模型解释性较差的问题。其技术方案是:首先,通过对数据不平衡问题采用数据增强算法,有效扩充不平衡测井数据,实现数据平衡;接着,利用随机森林算法分别建立基于测井数据的岩性判别模型和渗流能力判别模型;最后,基于储层参数之间的相关性,引入迁移学习,构建储层参数预测模型。本发明提出了一种基于迁移学习的非均质储层参数预测方法及系统,能够自主训练获取岩性类别和渗流能力等级,实现通过测井数据对复杂储层孔隙度和渗透率进行预测,具有较高的预测精度。