-
公开(公告)号：CN119357593A
公开(公告)日：2025-01-24
申请号：CN202411896099.8
申请日：2024-12-23
Applicant: 湖北省自然资源厅信息中心 , 中国地质大学(武汉)
IPC: G06F18/20 , G06F18/2113 , G06F18/213 , G06F18/25 , G06F16/2458 , G06F16/29 , G06N3/045 , G06N3/0442 , G06N3/042 , G06N3/0464 , G06N3/0985 , G06F123/02
Abstract: 本发明适用于地面沉降预测技术领域，提供一种城市地面沉降时空融合深度图模型预测方法，包括：步骤S1、基于时空特征分析的数据处理；步骤S2、基于分组策略的STF‑GCLSTM模型的地面沉降预测。本发明采用多源数据输入，根据GCN空间特征提取模型以及LSTM时间特征提取模型的时空特征提取，最终通过时空特征融合预测模型得更精确的沉降预测值，而且进一步考虑到大小区域的沉降特征区别，通过分组策略将研究区域划分为多个子区域，使得每个子区域的沉降趋势相似，再对不同子区域分别进行建模，以降低模型的拟合误差，提高模型的预测精度。
-
公开(公告)号：CN117094431A
公开(公告)日：2023-11-21
申请号：CN202310961341.4
申请日：2023-08-01
Applicant: 中国地质大学(武汉) , 湖北省自然资源厅信息中心 , 襄阳市测绘研究院
IPC: G06Q10/04 , G06F16/2458 , G06N3/0455 , G06N3/0499 , G06N3/084 , G06Q50/26
Abstract: 本发明提供了一种多尺度熵门控的DWTformer气象数据时序预测方法及设备，属于气象时序预测技术领域。基于Transformer网络，设计基于多尺度熵门控的离散小波时序分解模块实现周期项和趋势项自适应分解，以描述不同时间尺度下的数据变化趋势，并引入Wasserstein自注意力机制和指数平滑预测模块分别提取不同频率尺度下的特征，充分挖掘生产数据间的时序依赖关系，提出的DWTformer模型能有效解决具有非线性、非平稳特征的气象数据预测难的问题。本发明提出的改进Transformer时序预测模型——DWTformer，对气象数据进行多尺度的时序特征提取及预测，较好挖掘气象数据潜在的时序依赖关系，提高预测精度，实验结果表明本发明提出一种多尺度熵门控的DWTformer气象数据时序预测方法比现有方法预测精度更高。
-
公开(公告)号：CN114444584A
公开(公告)日：2022-05-06
申请号：CN202210019775.8
申请日：2022-01-10
Applicant: 中国地质大学(武汉)
Abstract: 本发明公开了一种Informer模型改进方法及长序列时序的预测方法及系统，其中Informer模型改进方法主要对Informer模型中的ProbSparse自注意力机制进行改进，具体使用Wasserstein距离替换KL散度。本发明通过引入Wasserstein距离将Informer模型做进一步改进，在长序列预测任务中表现出更好的性能。基于Wasserstein距离的自注意力机制在度量无重叠分布时，效果优于KL散度。
-
公开(公告)号：CN114167497A
公开(公告)日：2022-03-11
申请号：CN202111369646.3
申请日：2021-11-16
Applicant: 中国地质大学(武汉)
Abstract: 本发明涉及一种基于相似性度量地质结构标签的SSL‑CNN储层油气检测方法，传统储层油气检测方法只考虑单个地震道的特性，忽略了地震体的空间结构信息。本发明结合储层地质构造的主控因素及生产动态资料，采用主成分分析挖掘地震属性数据的低维结构特征，针对标注样本不足问题，依据相邻地震道间地质结构的空间相关性，首次使用邻域相似性度量算法对样本邻近的地震道进行同质性判定，使得训练样本融合数据的地质空间结构特征。为充分利用大量无标签样本提高算法检测性能，进一步基于融合地质空间结构特征的伪标签结合半监督卷积神经网络技术构建缝洞型油藏储层油气检测模型，实现储层油气检测。
-
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。
-
Patent Agency Ranking
公开(公告)号：CN119357593B
公开(公告)日：2025-04-11
申请号：CN202411896099.8
申请日：2024-12-23
Applicant: 湖北省自然资源厅信息中心 , 中国地质大学(武汉)
IPC: G06F18/20 , G06F18/2113 , G06F18/213 , G06F18/25 , G06F16/2458 , G06F16/29 , G06N3/045 , G06N3/0442 , G06N3/042 , G06N3/0464 , G06N3/0985 , G06F123/02
Abstract: 本发明适用于地面沉降预测技术领域，提供一种城市地面沉降时空融合深度图模型预测方法，包括：步骤S1、基于时空特征分析的数据处理；步骤S2、基于分组策略的STF‑GCLSTM模型的地面沉降预测。本发明采用多源数据输入，根据GCN空间特征提取模型以及LSTM时间特征提取模型的时空特征提取，最终通过时空特征融合预测模型得更精确的沉降预测值，而且进一步考虑到大小区域的沉降特征区别，通过分组策略将研究区域划分为多个子区域，使得每个子区域的沉降趋势相似，再对不同子区域分别进行建模，以降低模型的拟合误差，提高模型的预测精度。
-
公开(公告)号：CN118965297B
公开(公告)日：2024-12-13
申请号：CN202411437801.4
申请日：2024-10-15
Applicant: 湖北省自然资源厅信息中心 , 中国地质大学(武汉)
IPC: G06F18/27 , G06F18/25 , G06F18/21 , G06N3/0464
Abstract: 本发明提供一种融合多尺度时空特征的滑坡形变预测方法，包括：获取滑坡形变相关数据进行预处理，将处理得到的滑坡历史形变时序数据和时空影响因子数据输入滑坡形变预测模块中，滑坡形变预测模块包括编码器和解码器，编码器为多尺度双分支网络，基于时间特征提取模块，通过动态时序分解算法和轻量化时间注意力机制提取多尺度时间特征；基于空间特征提取模块，通过融合滑坡形变间的局部空间特征和全局空间特征的多尺度空间特征；通过解码器将多尺度时间特征和多尺度空间特征进行特征融合，并上采样进行重构获得下一时刻滑坡累积形变预测结果。本发明的滑坡形变预测模块可以充分挖掘滑坡数据的时空依赖关系，能有效提升滑坡形变时空预测的精度。
-
公开(公告)号：CN114167497B
公开(公告)日：2024-05-07
申请号：CN202111369646.3
申请日：2021-11-16
Applicant: 中国地质大学(武汉)
IPC: G01V1/30 , G06F18/241 , G06N3/0464 , G06N3/0895
Abstract: 本发明涉及一种基于相似性度量地质结构标签的SSL‑CNN储层油气检测方法，传统储层油气检测方法只考虑单个地震道的特性，忽略了地震体的空间结构信息。本发明结合储层地质构造的主控因素及生产动态资料，采用主成分分析挖掘地震属性数据的低维结构特征，针对标注样本不足问题，依据相邻地震道间地质结构的空间相关性，首次使用邻域相似性度量算法对样本邻近的地震道进行同质性判定，使得训练样本融合数据的地质空间结构特征。为充分利用大量无标签样本提高算法检测性能，进一步基于融合地质空间结构特征的伪标签结合半监督卷积神经网络技术构建缝洞型油藏储层油气检测模型，实现储层油气检测。
-
公开(公告)号：CN118965297A
公开(公告)日：2024-11-15
申请号：CN202411437801.4
申请日：2024-10-15
Applicant: 湖北省自然资源厅信息中心 , 中国地质大学(武汉)
IPC: G06F18/27 , G06F18/25 , G06F18/21 , G06N3/0464
Abstract: 本发明提供一种融合多尺度时空特征的滑坡形变预测方法，包括：获取滑坡形变相关数据进行预处理，将处理得到的滑坡历史形变时序数据和时空影响因子数据输入滑坡形变预测模块中，滑坡形变预测模块包括编码器和解码器，编码器为多尺度双分支网络，基于时间特征提取模块，通过动态时序分解算法和轻量化时间注意力机制提取多尺度时间特征；基于空间特征提取模块，通过融合滑坡形变间的局部空间特征和全局空间特征的多尺度空间特征；通过解码器将多尺度时间特征和多尺度空间特征进行特征融合，并上采样进行重构获得下一时刻滑坡累积形变预测结果。本发明的滑坡形变预测模块可以充分挖掘滑坡数据的时空依赖关系，能有效提升滑坡形变时空预测的精度。
-
公开(公告)号：CN117036936A
公开(公告)日：2023-11-10
申请号：CN202310896169.9
申请日：2023-07-19
Applicant: 中国地质大学(武汉) , 湖北省自然资源厅信息中心 , 湖北省地理国情监测中心
IPC: G06V20/10 , G06V10/764 , G06V20/70 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种高分辨率遥感图像土地覆盖分类方法，其目的是为高分辨率遥感图像中的每一个像素分配地物类别。由于传统方法难以充分提取复杂地物的特征，面对复杂场景分类精度不高。高分遥感图像中土地覆盖类型更多地依靠地物的语义信息区分，对特征的评判能力有更高的要求。本发明考虑到注意力机制会对CNN提取的局部特征造成损失，提出CNN耦合Transformer的网络模型对两个分支特征进行融合，CNN分支提取图像局部细节信息，Transformer分支提取全局信息来增强局部图像块的感兴趣区域的特征；为降低特征融合时的特征损失，提出局部全局改进上下文线性注意力特征融合模块完成两个分支的特征融合，极大提升分割效果，实现了遥感图像的高精度土地覆盖分类。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.027 seconds)
