-
公开(公告)号：CN113095352A
公开(公告)日：2021-07-09
申请号：CN202110225575.3
申请日：2021-03-01
Applicant: 中国地质大学(武汉)
Abstract: 本发明涉及一种融合静动态特征的缝洞型油藏半监督学习储层含油气性评价方法，目的是建立地震属性数据与储层含油气性之间的映射关系。本发明根据缝洞型油藏储层地质构造主控因素，采用自动编码器挖掘地震属性数据的流形结构特征；考虑生产井动态资料，在融合静动态数据特征基础上，基于深度学习的卷积神经网络半监督学习技术构建缝洞型油藏含油气性评价模型；针对传统无监督机器学习方法未利用先验信息、容易受噪音干扰的问题，提出记忆结构约束的K均值算法重新计算聚类中心，自动调整半监督卷积神经网络参数，可提高评价准确率。
-
公开(公告)号：CN108007522A
公开(公告)日：2018-05-08
申请号：CN201711279595.9
申请日：2017-12-06
Applicant: 中国地质大学(武汉)
IPC: G01F17/00
CPC classification number: G01F17/00
Abstract: 本发明提供一种不规则小物体体积计，包括计量管和储汞瓶，计量管的一端连接有承样瓶，另一端连接有空心塞，空心塞用于密封储汞瓶的瓶口且计量管通过空心塞与储汞瓶连通，承样瓶远离计量管的一端为敞口，一活塞位于敞口而将敞口密封。倒置不规则小物体体积计使储汞瓶中的汞流入承样瓶且使部分汞从承样瓶中溢出进入计量管，读取计量管中汞所处位置的刻度A；正置不规则小物体体积计使汞流回储汞瓶；将待测物体放入承样瓶中密封后倒置不规则小物体体积计，使储汞瓶中的汞流入承样瓶且部分汞从承样瓶中溢出进入计量管，读取计量管中汞所处位置的刻度B，待测物体的体积＝|A-B|。有益效果：能够测量有一定空隙的物体体积，安全。
-
公开(公告)号：CN107491723A
公开(公告)日：2017-12-19
申请号：CN201710501447.0
申请日：2017-06-27
Applicant: 中国地质大学(武汉)
Abstract: 本发明公开了一种缝洞型油藏生产数据的预测方法及系统，该预测系统及预测方法中选用集合经验模态分解信号序列的特征提取方法对生产数据进行分解，将集合经验模态分解的分频图根据方差贡献值进行重新组合，提高了预测的准确率，并将计算的香侬熵作为不确定性评估依据，与分解序列同时作为SVR算法的预测输入，减少由于缝洞型油藏非均质性较强引起的预测不确定性问题。
-
公开(公告)号：CN106355003A
公开(公告)日：2017-01-25
申请号：CN201610740786.X
申请日：2016-08-26
Applicant: 中国地质大学(武汉)
IPC: G06F19/00
CPC classification number: G16Z99/00
Abstract: 本发明公开了一种基于t分布的马尔科夫链蒙特卡洛自动历史拟合方法及系统，采用t分布得到初始的油藏静态参数，然后采用基于马尔科夫链蒙特卡洛的历史拟合法并调用油藏数值模拟软件对所述油藏静态参数进行迭代优化，使预测生产动态与真实值尽可能接近，得到优化的油藏静态参数和油藏数值模型。本发明先利用t分布得到初始的油藏静态参数，再采用基于马尔科夫链的蒙特卡洛法不断优化模型渗透率等油藏静态参数拟合生产实际动态，得到尽可能接近真实模型的油藏数值模型，减少拟合时间，提高历史拟合的效率和精度，使油田开发动态预测的结果更加接近实际生产。
-
公开(公告)号：CN105404726A
公开(公告)日：2016-03-16
申请号：CN201510734077.6
申请日：2015-11-02
Applicant: 中国地质大学(武汉)
IPC: G06F17/50
CPC classification number: G06F17/5036
Abstract: 本发明公开了一种基于高斯分布的电容模型反演井间连通性方法及装置，包括：获取注水井组的初始相关数据，包括：所述注水井组的注水量、产液量、流压、注水段起始时间和连通性关系；从所述初始相关数据中筛选出目标注采数据；所述目标注采数据为与注水段中初始注水日期匹配的注水量、产液量和流压；将所述目标注采数据带入电容模型，通过高斯分布算法对所述电容模型进行求解，从而计算出连通性参数；所述连通性参数用于表征所述注水井和产液井之间的连通性强弱。本发明提供的方法及装置用以解决现有技术中油藏井间动态连通性的获取方法，存在准确度低，影响正常生产和费用高等技术问题。实现了降低成本，简化工作量和保证了准确性的技术效果。
-
Patent Agency Ranking
公开(公告)号：CN105107590A
公开(公告)日：2015-12-02
申请号：CN201510418204.1
申请日：2015-07-16
Applicant: 中国地质大学(武汉)
Abstract: 本发明公开了一种含油气岩石包裹体的研磨装置及方法。其中，该装置包括：样品缸、密封盖及研磨器；研磨器置于样品缸中，研磨器的外壁与样品缸的内壁相匹配；密封盖对样品缸进行封口；当样品缸振动时，研磨器和样品缸相互撞击，位于研磨器和样品缸之间的样品被研磨。由于本发明不需要像现有的包裹体真空研磨仪那样，需要手持研磨棒在研磨缸内滑动来完成对岩石的研磨粉碎，因此，本发明的体积可以很小，从而使含油气岩石包裹体中气体样品的浓度能够达到仪器分析要求，避免增加其他处理步骤，进而避免了成分分析的失真，提高了分析结果的准确性。
-
公开(公告)号：CN113095352B
公开(公告)日：2024-08-13
申请号：CN202110225575.3
申请日：2021-03-01
Applicant: 中国石油化工股份有限公司 , 中国石油化工股份有限公司石油勘探开发研究院 , 中国地质大学(武汉)
IPC: G06F18/2415 , G06F18/23213 , G06N3/0464 , G06N3/084 , G06N3/0895 , G06Q50/02
Abstract: 本发明涉及一种融合静动态特征的缝洞型油藏半监督学习储层含油气性评价方法，目的是建立地震属性数据与储层含油气性之间的映射关系。本发明根据缝洞型油藏储层地质构造主控因素，采用自动编码器挖掘地震属性数据的流形结构特征；考虑生产井动态资料，在融合静动态数据特征基础上，基于深度学习的卷积神经网络半监督学习技术构建缝洞型油藏含油气性评价模型；针对传统无监督机器学习方法未利用先验信息、容易受噪音干扰的问题，提出记忆结构约束的K均值算法重新计算聚类中心，自动调整半监督卷积神经网络参数，可提高评价准确率。
-
公开(公告)号：CN117593199A
公开(公告)日：2024-02-23
申请号：CN202311614009.7
申请日：2023-11-27
Applicant: 中国地质大学(武汉)
IPC: G06T5/50 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06T7/60 , G06T7/11
Abstract: 本发明提供了一种基于高斯先验分布自注意力的双流遥感图像融合方法。遥感图像融合的目的是在特征域将高空间分辨率的全色图像和低空间分辨率的多光谱图像结合起来生成高分辨率的多光谱图像，从融合的特征重构融合图像。融合网络包括编码器和解码器，在编码器中，创新性地使用CNN‑Swin Transformer结构分别从局部和全局提取特征，并且在Swin Transformer结构中引入高斯分布自注意力作为先验知识，实现全局特征提取。在解码器中使用全连接层将输入的数据映射到权重空间，然后再使用转置卷积进行上采样重构。最后输出为融合后的图像。本发明的有益效果为，所提出的GSTFNet可以有效地融合PAN和MS图像，从而提升了融合结果的图像质量。
-
公开(公告)号：CN111680786B
公开(公告)日：2023-12-05
申请号：CN202010523091.2
申请日：2020-06-10
Applicant: 中国地质大学(武汉)
IPC: G06N3/0442 , G06N3/048 , G06N3/084
Abstract: 本发明属于时序预测技术领域，公开了一种基于改进权重门控单元的时序预测方法，进行信息熵量化数据不确定性：对原始数据进行分段预处理，再计算信息熵；设计新的门控权重单元：引入基于信息熵值的改进权重矩阵代替长短期记忆单元遗忘门矩阵，以根据信息熵动态自适应调整特征权重；建立基于门控权重单元的训练模型：利用不同的改进变体单元替换预测模型框架中的循环神经网络单元；门控权重单元模型的训练与预测。本发明首次使用基于信息熵理论的长短期记忆单元门控改进方法，融合信息熵理论和神经网络理论进行时序预测，针对传统长短期记忆单元难以获取时序中的突变特征问题提出新
-
公开(公告)号：CN112085254B
公开(公告)日：2023-06-13
申请号：CN202010775496.5
申请日：2020-08-05
Applicant: 中国地质大学(武汉)
IPC: G06F30/27 , G06N3/0442 , G06N3/084
Abstract: 本发明涉及基于多重分形协同度量门控循环单元的预测方法及模型，该方法包括以下步骤：对输入时序数据进行预处理，得到预处理后的时序数据；对处理好的时序数据用滑动时间窗口进行切分，利用多重分形算法计算各时间窗口上的多重分形谱的谱宽Δα,得到时序数据的多重分形谱的谱宽矩阵E，并将门控循环单元中的更新门权重矩阵改进为与谱宽矩阵E相关的权重矩阵，得到改进门控循环单元，利用改进门控循环单元构建网络模型进行预测。本发明提出的MF‑GRU模型采用多重分形技术提取时序数据的波动变化程度特征，并设置动态调整矩阵代替传统更新门权重矩阵学习数据中的非平稳数据段的变化趋势，以提升非平稳时序数据的预测精度。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.035 seconds)
