-
公开(公告)号:CN115359348B
公开(公告)日:2023-07-25
申请号:CN202210856607.4
申请日:2022-07-20
Applicant: 中南大学
IPC: G06V20/10 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种岩芯特征识别统计方法及系统、设备、存储介质,该方法通过将岩芯图片集中的每张岩芯图片等分处理为多张单槽岩芯图片,并对所有单槽岩芯图片进行顺序编号得到单槽岩芯图片集,实现了输入数据的标准化分割处理,后续对每张单槽岩芯图片进行岩芯特征分类识别时,由于缩小了图片搜索区域,有利于提高特征分类识别的准确性和速度,并且基于单槽岩芯图片的岩芯特征分类识别结果进行坐标反算即可快速得到岩芯图片的岩芯特征分类识别结果,大大提升了岩芯特征识别统计效率。并且,在对单槽岩芯图片进行目标搜索时采用了定高滑动锚框组,将原本二维的全图目标搜索转变为一维的单向目标搜索,大大提升了特征识别速度和准确度。
-
公开(公告)号:CN116168783A
公开(公告)日:2023-05-26
申请号:CN202310173344.1
申请日:2023-02-28
Applicant: 中南大学
Abstract: 本发明提供了一种基于神经网络解释岩石物理模型中多参数贡献的方法,所述方法包括:首先,使用神经网络代理岩石物理模型预测纵波速度和衰减耗散逆品质因子;然后,利用已经训练好的神经网络所保存的网络参数,提取各输入参数所涉及的神经元权重信息,单独计算每个参数的预测值;接着,以每加入一个新的参数所得的预测结果减去未加入该参数的预测结果的差值为该参数的贡献,将所有涉及该参数的贡献累加求和,即可得到该参数对最终预测结果的贡献;最后,通过对所有参数的贡献求和,即可得到原本神经网络的预测结果;至此,可间接解释神经网络所代理的岩石物理模型中各参数对预测结果的贡献情况。
-
公开(公告)号:CN115359348A
公开(公告)日:2022-11-18
申请号:CN202210856607.4
申请日:2022-07-20
Applicant: 中南大学
IPC: G06V20/10 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种岩芯特征识别统计方法及系统、设备、存储介质,该方法通过将岩芯图片集中的每张岩芯图片等分处理为多张单槽岩芯图片,并对所有单槽岩芯图片进行顺序编号得到单槽岩芯图片集,实现了输入数据的标准化分割处理,后续对每张单槽岩芯图片进行岩芯特征分类识别时,由于缩小了图片搜索区域,有利于提高特征分类识别的准确性和速度,并且基于单槽岩芯图片的岩芯特征分类识别结果进行坐标反算即可快速得到岩芯图片的岩芯特征分类识别结果,大大提升了岩芯特征识别统计效率。并且,在对单槽岩芯图片进行目标搜索时采用了定高滑动锚框组,将原本二维的全图目标搜索转变为一维的单向目标搜索,大大提升了特征识别速度和准确度。
-
公开(公告)号:CN113987412B
公开(公告)日:2025-02-07
申请号:CN202111165434.3
申请日:2021-09-30
Applicant: 中南大学
Abstract: 本发明涉及一种基于图像结构张量引导的海洋可控源电磁反演方法,包括如下步骤:A)获取地震图像,基于模型向量m的粗糙度、与偏好模型向量m′的偏差度和实测数据与模型之间的差异建立反演的目标函数;B)基于结构张量,结合高斯差分算子得出反演结构张量矩阵;C)将该矩阵分解为两特征值和两正交的特征向量u和v,u和v分别为地震图像中强度值变化率最大和最小的方向;D)由特征值判定地震图像中的地质边界,计算与地质边界相邻的网格的特征向量v和其相对应的中心网格的特征向量v形成的夹角的余弦值的绝对值;E)对绝对值赋予调节系数并作为模型向量m的粗糙度的系数。本发明的识别方法能够提高传统海洋可控源电磁反演的模型分辨率。
-
公开(公告)号:CN119337146A
公开(公告)日:2025-01-21
申请号:CN202411529159.2
申请日:2024-10-30
Applicant: 中南大学
Abstract: 本发明公开了一种基于深度学习和DTW计算地震相对旅行时差方法,属于地震信号处理技术领域,包括获取需要进行相对旅行时差计算的地震数据,并利用Obspy等地震学软件对其进行预处理。同时生成PhaseNet所需要的输入文件;将处理好的数据和相应文件输入PhaseNet中,得到所有地震数据的初至拾取结果并输出;在已知需要计算相对旅行时差的地震事件对前提下,使用DTW技术结合初至拾取结果对事件对中的地震事件进行相似性匹配,以两事件相似性达到最大时的初至时差作为其相对旅行时差并输出。本发明提供的基于深度学习和DTW计算地震相对旅行时差方法,解决了WCC技术在震级差异显著时计算相对旅行时差存在较大误差的问题,提高了相对旅行时差计算的准确性和效率。
-
公开(公告)号:CN116168783B
公开(公告)日:2024-11-05
申请号:CN202310173344.1
申请日:2023-02-28
Applicant: 中南大学
Abstract: 本发明提供了一种基于神经网络解释岩石物理模型中多参数贡献的方法,所述方法包括:首先,使用神经网络代理岩石物理模型预测纵波速度和衰减耗散逆品质因子;然后,利用已经训练好的神经网络所保存的网络参数,提取各输入参数所涉及的神经元权重信息,单独计算每个参数的预测值;接着,以每加入一个新的参数所得的预测结果减去未加入该参数的预测结果的差值为该参数的贡献,将所有涉及该参数的贡献累加求和,即可得到该参数对最终预测结果的贡献;最后,通过对所有参数的贡献求和,即可得到原本神经网络的预测结果;至此,可间接解释神经网络所代理的岩石物理模型中各参数对预测结果的贡献情况。
-
公开(公告)号:CN114942473B
公开(公告)日:2024-07-02
申请号:CN202210529766.3
申请日:2022-05-16
Applicant: 中南大学
IPC: G01V1/30 , G06N3/0464 , G06N3/048 , G06N3/084 , G06N5/04
Abstract: 本发明公开了基于注意力门神经网络的叠前地震速度反演方法,名为AG‑ResUnet。该方法的优势在于通过数据驱动的方式,充分挖掘叠前地震资料包含的地层信息,反演过程不需要初始模型,且深度学习的方法极大节约计算成本,提高工作效率。加入自适应注意力机制使得网络具有精细刻画构造边界的能力,并且具有较强的泛化能力和鲁棒性。该方法适应于大数据背景下的深部储层勘探任务,能更快速、更准确、更清晰的建立速度模型,实现准确的储层解释。
-
公开(公告)号:CN114942473A
公开(公告)日:2022-08-26
申请号:CN202210529766.3
申请日:2022-05-16
Applicant: 中南大学
Abstract: 本发明公开了基于注意力门神经网络的叠前地震速度反演方法,名为AG‑ResUnet。该方法的优势在于通过数据驱动的方式,充分挖掘叠前地震资料包含的地层信息,反演过程不需要初始模型,且深度学习的方法极大节约计算成本,提高工作效率。加入自适应注意力机制使得网络具有精细刻画构造边界的能力,并且具有较强的泛化能力和鲁棒性。该方法适应于大数据背景下的深部储层勘探任务,能更快速、更准确、更清晰的建立速度模型,实现准确的储层解释。
-
公开(公告)号:CN113987412A
公开(公告)日:2022-01-28
申请号:CN202111165434.3
申请日:2021-09-30
Applicant: 中南大学
Abstract: 本发明涉及一种基于图像结构张量引导的海洋可控源电磁反演方法,包括如下步骤:A)获取地震图像,基于模型向量m的粗糙度、与偏好模型向量m′的偏差度和实测数据与模型之间的差异建立反演的目标函数;B)基于结构张量,结合高斯差分算子得出反演结构张量矩阵;C)将该矩阵分解为两特征值和两正交的特征向量u和v,u和v分别为地震图像中强度值变化率最大和最小的方向;D)由特征值判定地震图像中的地质边界,计算与地质边界相邻的网格的特征向量v和其相对应的中心网格的特征向量v形成的夹角的余弦值的绝对值;E)对绝对值赋予调节系数并作为模型向量m的粗糙度的系数。本发明的识别方法能够提高传统海洋可控源电磁反演的模型分辨率。
-
公开(公告)号:CN119598808A
公开(公告)日:2025-03-11
申请号:CN202411695094.9
申请日:2024-11-25
Applicant: 中南大学
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。
-
-
-
-
-
-
-
-
-