公开(公告)号：CN117390961A

公开(公告)日：2024-01-12

申请号：CN202311385642.3

申请日：2023-10-25

Applicant: 中南大学

Inventor： 郭振威 ,  王博琛 ,  柳建新 ,  高大维 ,  潘新朋

IPC: G06F30/27 ,  G06F30/23 ,  G06N3/084 ,  G06F111/10

Abstract: 本发明提供了一种利用物理信息神经网络求解地电模型电磁响应的方法，所述方法包括：首先，获取已知数据点的空间坐标，并从待求解地电模型的计算区域中抽取部分采样点获得其空间坐标；然后，利用神经网络对数据点和采样点空间坐标所对应的电磁场值进行计算输出；接着，将数据点坐标输入神经网络后所得输出与其真实电磁响应的残差作为损失函数的数据误差，将所有点满足的电磁控制方程及边界条件作为物理约束加入损失函数；最后，通过自动微分技术与误差反向传播最小化损失函数，即可得到地电模型电磁响应的空间分布情况；至此，可利用物理信息神经网络实现对地电模型中任意位置电磁响应的求解。

公开(公告)号：CN116203645A

公开(公告)日：2023-06-02

申请号：CN202310270854.0

申请日：2023-03-20

Applicant: 中南大学

Inventor： 姚红春 ,  陈儒军 ,  郭振威 ,  申瑞杰 ,  吴岩 ,  王博琛 ,  陈思文 ,  成爽

IPC: G01V3/38

Abstract: 本公开实施例中提供了一种大地电磁阻抗估计方法，属于勘测领域，具体包括：步骤1，对多个电磁场分量的电磁时序数据进行傅里叶变换，得到每个电磁场分量对应的频谱数组；步骤2，根据频谱数组识别每个电磁场分量的干扰频率；步骤3，合并干扰频率和偏离值；步骤4，利用合并后的干扰频率和偏离值对频谱数组进行衰减；步骤5，利用衰减后的频谱数组恢复电磁时序数据，得到变换结果；步骤6，根据变换结果进行大地电磁阻抗估计。通过本公开的方案，提高了对大地电磁阻抗估计的适应性和精准度。

公开(公告)号：CN115440317B

公开(公告)日：2023-05-26

申请号：CN202210856589.X

申请日：2022-07-20

Applicant: 中南大学

Inventor： 贾明滔 ,  蒋权 ,  陈梅芳 ,  苏学斌 ,  阳奕汉 ,  王博琛

IPC: G16C20/30 ,  G16C20/70 ,  G06N3/044 ,  G06N3/08 ,  G06Q50/02 ,  G06N3/0464

Abstract: 本发明公开了一种浸出铀浓度的预测方法及装置、电子设备、存储介质，所述浸出铀浓度的预测方法采用LSTM‑CNN复合模型进行浸出铀浓度预测，其中，先通过CNN网络从可控参数中提取特征值数据作为LSTM网络的输入，可以最大化数据特征，然后采用LSTM网络基于CNN网络提取的特征值数据和前一日预测值进行当日浸出铀浓度预测，结合了卷积神经网络的特征提取优势和长短期记忆网络的特征记忆特性，将可控参数与历史预测值相结合，可以有效解决浸出铀浓度预测中部分特征参数存在混沌属性且难以准确获取和描述的问题，大大提高了浸出铀浓度预测结果的准确性。

公开(公告)号：CN119598808B

公开(公告)日：2025-05-23

申请号：CN202411695094.9

申请日：2024-11-25

Applicant: 中南大学

Inventor： 郭振威 ,  王博琛 ,  熊繁升 ,  王妍艺 ,  高大维 ,  柳建新

IPC: G06F30/23 ,  G06F30/27 ,  G06N3/0499 ,  G06N3/084 ,  G06F17/13 ,  G06F111/04

Abstract: 本发明涉及地球物理和人工智能领域，具体公开了一种物理信息引导的深度学习地电模型电磁正演模拟方法，该方法包括：S1、准备神经网络输入数据；S2、搭建全连接的深度神经网络；S3、加入物理信息约束，将地电模型电磁场满足的亥姆霍兹方程以及边界条件作为物理信息约束加入损失函数；S4、进行网络训练，利用自动微分求取网络输出对输入的偏导数，得到训练好的全连接深度神经网络；S5、进行结果预测，对保存好神经网络模型参数的训练网络输入任意点的空间坐标，得到地电模型中该点的电磁响应。本发明实现了对地电模型中任意位置电磁响应的求解，为电磁法勘探中电磁响应的计算提供了智能化方案。

公开(公告)号：CN120014193A

公开(公告)日：2025-05-16

申请号：CN202510101709.9

申请日：2025-01-22

Applicant: 中南大学

Inventor： 郭振威 ,  张博尧 ,  魏小龙 ,  熊繁升 ,  柳建新 ,  刘文祥 ,  王博琛 ,  王妍艺

IPC: G06T17/05 ,  G06T17/20 ,  G06N3/045 ,  G06N3/0499 ,  G06N3/08 ,  G06F17/10

Abstract: 本发明提供了一种物理信息约束的三维重力梯度张量反演方法，属于地球物理学领域，包括以下步骤：首先，根据重力梯度张量数据建立坐标系并剖分地下空间，提取并标准归一化立方体中心点坐标；接着，构建七层全连接神经网络以输出网络输出参数；然后，在观测面计算重力梯度张量数据；通过观测数据和计算数据构建目标函数，包含数据项和正则化项；最后，自动微分目标函数以更新网络参数，优化网络输出参数，直至达到最大训练次数，输出结果。本发明采用上述的一种物理信息约束的三维重力梯度张量反演方法，克服现有技术中的多重挑战，包括过度依赖初始参数、模型过度简化和假设限制、处理非线性关系能力不足，以及泛化性能欠佳等问题。

公开(公告)号：CN119882088A

公开(公告)日：2025-04-25

申请号：CN202510081024.2

申请日：2025-01-20

Applicant: 中南大学

Inventor： 郭振威 ,  王妍艺 ,  柳建新 ,  熊繁升 ,  王博琛 ,  柳卓 ,  潘新朋

IPC: G01V11/00 ,  G01V1/28 ,  G01V1/30 ,  G01V1/40 ,  G06N3/048 ,  G06N3/0499

Abstract: 本发明提供一种电阻率测井约束的储层物性参数叠前地震反演方法，将观测数据与深度进行裁剪；对地震数据、电阻率数据以及走时进行归一化，形成网络输入；构建神经网络框架，将得到的孔隙度与饱和度代入弹性岩石物理模型中，计算得到弹性参数；用弹性参数代入zoeppritz方程中计算得到地下反射系数；生成雷克子波，与反射系数进行卷积计算，得到预测叠前地震数据；孔隙度与饱和度代入阿尔奇公式中，计算得到预测电阻率；构建目标函数；进行自动微分，实现网络参数的更新，进而对于网络输出孔隙度及饱和度实现优化。本发明实现物理信息驱动下的储层参数反演，为油气勘探开发中的储层参数预测与评价提供了智能化方案。

公开(公告)号：CN115440317A

公开(公告)日：2022-12-06

申请号：CN202210856589.X

申请日：2022-07-20

Applicant: 中南大学

Inventor： 贾明滔 ,  蒋权 ,  陈梅芳 ,  苏学斌 ,  阳奕汉 ,  王博琛

IPC: G16C20/70 ,  G06N3/04 ,  G06N3/08 ,  G06Q50/02

Abstract: 本发明公开了一种浸出铀浓度的预测方法及装置、电子设备、存储介质，所述浸出铀浓度的预测方法采用LSTM‑CNN复合模型进行浸出铀浓度预测，其中，先通过CNN网络从可控参数中提取特征值数据作为LSTM网络的输入，可以最大化数据特征，然后采用LSTM网络基于CNN网络提取的特征值数据和前一日预测值进行当日浸出铀浓度预测，结合了卷积神经网络的特征提取优势和长短期记忆网络的特征记忆特性，将可控参数与历史预测值相结合，可以有效解决浸出铀浓度预测中部分特征参数存在混沌属性且难以准确获取和描述的问题，大大提高了浸出铀浓度预测结果的准确性。