-
公开(公告)号：CN110244360A
公开(公告)日：2019-09-17
申请号：CN201910542857.9
申请日：2019-06-21
Applicant: 同济大学
Abstract: 本发明涉及一种基于有效频率波数域去混叠的地震数据分离方法及系统，该方法包括如下步骤：(1)基于观测地震数据提取有效频率域地震数据；(2)基于Curvelet变换采用迭代阈值方法对有效频率域地震数据进行去混叠处理得到频率域的主震源和副震源数据；(3)对频率域的主震源和副震源数据进行处理，得到时间域的主震源和副震源数据，完成地震数据分离。与现有技术相比，本发明地震数据分离过程中保证去混叠精度的同时有效地提高了去混叠效率。
-
公开(公告)号：CN110118994A
公开(公告)日：2019-08-13
申请号：CN201910440723.6
申请日：2019-05-24
Applicant: 同济大学
Abstract: 本发明涉及一种基于地震反演和机器学习的陆相烃源岩定量预测方法，用于预测某一区域陆相烃源岩的空间分布和有机质含量，该首先优选对陆相沉积地层砂泥岩岩性区分和有机质含量敏感的弹性属性，然后训练阶段表征“弹性属性-岩性”和“弹性属性-有机质含量”映射关系的机器学习网络，最后，将训练的机器学习网络与叠前地震数据的叠前弹性参数反演结果结合，进而预测烃源岩的空间分布和有机质含量。与现有技术相比，本发明预测准确度高。
-
-
公开(公告)号：CN119758452A
公开(公告)日：2025-04-04
申请号：CN202411994908.9
申请日：2024-12-31
Applicant: 同济大学
IPC: G01V1/30 , G01V1/28 , G06F18/213 , G06F18/214 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于地质统计特征规律约束的深度学习地震岩性预测方法，方法包括以下步骤：S1、获取多地震信息；S2、获取地质数据和测井数据，统计地质数据和测井数据的特征并对特征数值化，得到多种地质统计特征；S3、构建训练所需的带标签数据集；S4、基于训练所需的带标签数据集对深度卷积神经网络模型进行训练、验证和测试，得到深度学习地震岩性预测模型；S5、获取实际的地震数据，将实际的地震数据输入深度学习地震岩性预测模型，得到实际地震岩性预测结果。与现有技术相比，本发明具有提高震岩性预测精度与可靠性等优点。
-
公开(公告)号：CN114821079B
公开(公告)日：2025-03-21
申请号：CN202210595664.1
申请日：2022-05-30
Applicant: 同济大学
IPC: G06V10/28 , G06V10/30 , G06V10/34 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/08 , G06T5/70 , G06T7/60 , G06T7/62 , G01N23/046
Abstract: 本发明涉及一种基于变分自编码器的岩石裂缝信息识别方法及系统，属于石油工程岩石力学压裂试验技术领域。对多个岩石试件中的每一岩石试件进行微电阻率扫描成像试验和CT扫描试验，得到岩石试件的训练用微电阻率分布二维图像和训练用CT扫描三维图像，以对初始变分自编码器进行训练，得到训练好的变分自编码器。在实际应用中，先获取待测岩石的微电阻率分布二维图像，利用训练好的变分自编码器即可重建得到CT扫描三维图像，从而能够精准确定待测岩石的裂缝信息，且成本低。
-
Patent Agency Ranking
公开(公告)号：CN114137610B
公开(公告)日：2023-05-02
申请号：CN202111404706.0
申请日：2021-11-24
Applicant: 同济大学
IPC: G01V1/30 , G06N3/09 , G06N3/088 , G06F18/23 , G06F18/214 , G06F18/2134 , G06N3/06
Abstract: 本发明涉及一种联合监督和非监督学习的低勘探区地层和岩性地震评价方法，包括以下步骤：1)基于叠后地震数据提取反映地质特征的地震属性，并进行弹性参数叠后反演得到反演结果；2)利用特征降维方法将提取的高维地震特征进行降维；3)基于降维后的特征，采用无监督学习方法进行聚类；4)利用无监督学习结果确定监督学习的适用范围；5)采用监督学习训练模型，对地震剖面进行岩性定量预测；6)利用无监督学习结果定性评估监督学习预测的不确定性。与现有技术相比，本发明相较仅利用监督学习的预测方法，不仅能够更好挖掘数据内部特征，表征地层的地质特征和差异，还可圈定监督学习的适用范围，对预测不确定性进行定性评估。
-
公开(公告)号：CN114821079A
公开(公告)日：2022-07-29
申请号：CN202210595664.1
申请日：2022-05-30
Applicant: 同济大学
IPC: G06V10/28 , G06V10/30 , G06V10/34 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , G06T5/00 , G06T7/60 , G06T7/62 , G01N23/046
Abstract: 本发明涉及一种基于变分自编码器的岩石裂缝信息识别方法及系统，属于石油工程岩石力学压裂试验技术领域。对多个岩石试件中的每一岩石试件进行微电阻率扫描成像试验和CT扫描试验，得到岩石试件的训练用微电阻率分布二维图像和训练用CT扫描三维图像，以对初始变分自编码器进行训练，得到训练好的变分自编码器。在实际应用中，先获取待测岩石的微电阻率分布二维图像，利用训练好的变分自编码器即可重建得到CT扫描三维图像，从而能够精准确定待测岩石的裂缝信息，且成本低。
-
-
公开(公告)号：CN114137610A
公开(公告)日：2022-03-04
申请号：CN202111404706.0
申请日：2021-11-24
Applicant: 同济大学
Abstract: 本发明涉及一种联合监督和非监督学习的低勘探区地层和岩性地震评价方法，包括以下步骤：1)基于叠后地震数据提取反映地质特征的地震属性，并进行弹性参数叠后反演得到反演结果；2)利用特征降维方法将提取的高维地震特征进行降维；3)基于降维后的特征，采用无监督学习方法进行聚类；4)利用无监督学习结果确定监督学习的适用范围；5)采用监督学习训练模型，对地震剖面进行岩性定量预测；6)利用无监督学习结果定性评估监督学习预测的不确定性。与现有技术相比，本发明相较仅利用监督学习的预测方法，不仅能够更好挖掘数据内部特征，表征地层的地质特征和差异，还可圈定监督学习的适用范围，对预测不确定性进行定性评估。
-
公开(公告)号：CN112434878A
公开(公告)日：2021-03-02
申请号：CN202011429199.1
申请日：2020-12-09
Applicant: 同济大学
Abstract: 本发明涉及一种基于Cascade样本均衡的地震流体预测方法，包括以下步骤：1)获取包含多数类样例和少数类样例的原始学习样本；2)根据原始学习样本进行Cascade样本均衡得到新的类别均衡样本，并采用新的类别均衡样本构建基分类器进行地震流体类别的集成预测。与现有技术相比，本发明具有提高预测准确性等优点。
-
-
-
-
-
-
-
-
-
Search Results
46
records
(took 0.018 seconds)
