-
公开(公告)号：CN110674841B
公开(公告)日：2022-03-29
申请号：CN201910780696.7
申请日：2019-08-22
Applicant: 中国石油天然气集团有限公司 , 中国石油集团测井有限公司 , 中国科学院计算技术研究所
Abstract: 本发明公开了一种基于聚类算法的测井曲线识别方法，属于测井曲线识别领域。基于聚类算法的测井曲线识别方法，首先利用主成分分析法对测井曲线进行降维将测井曲线反映出的信息进行简化，使用少数几个相互独立互不相关的综合指标代替，达到有限的几个指标能够尽量充分反映原来多指标信息；将机器学习思想与K聚类分析法相结合，构建KNN网络，并将标定好的分层信息作为机器学习中训练数据的数据标签，能够更好地引导K均值聚类问题寻找到聚类中心，得到真实有效的聚类结果；本发明的识别方法，无需对曲线数据进行归一化操作，在很大程度上降低了程序运算的时间复杂度。
-
公开(公告)号：CN109447249B
公开(公告)日：2021-04-23
申请号：CN201811540278.2
申请日：2018-12-17
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种训练用于重建测井数据的模型的方法，包括：1)对采集到的测井属性的数据进行降维；2)将生成网络G基于其当前的参数所生成的针对测井属性的虚假数据作为判别网络D的一个输入，将降维处理的结果作为判别网络D的另一个输入，通过调整所述生成网络G的参数使得判别网络D将所述虚假数据判断为是真实采集到的数据；其中，所述生成网络G为卷积神经网络，所述虚假数据与一个平面坐标对应。避免难以获得开采年代较早的测井的地震数据来训练神经网络的问题，并且通过对抗训练得到可以产生最接近于真实数据的预测结果的模型。
-
公开(公告)号：CN110619353A
公开(公告)日：2019-12-27
申请号：CN201910780699.0
申请日：2019-08-22
Applicant: 中国石油天然气集团有限公司 , 中国石油集团测井有限公司 , 中国科学院计算技术研究所
Abstract: 本发明公开了一种基于深度学习的多尺度测井曲线自动识别方法，包括以下步骤：1.建立循环神经网络模型；将测井数据曲线，输入循环神经网络开展训练，将数据分为储层和非储层两类；2.将非储层数据剔除，仅保留储层数据；3.将储层数据训练，输出一组为水层和含油水层，另一组为干层、油水同层和油层；4.将水层和含油水层训练，分为两组输出，水层和含油水层；5.将干层、油水同层和油层训练，输出为干层，油水同层和油层；6.将油水同层和油层训练，输出一组为油水同层，另一组为油层。能够实现多尺度分层识别，从而取得更好的油水层识别效果。
-
Patent Agency Ranking
公开(公告)号：CN110619353B
公开(公告)日：2022-03-29
申请号：CN201910780699.0
申请日：2019-08-22
Applicant: 中国石油天然气集团有限公司 , 中国石油集团测井有限公司 , 中国科学院计算技术研究所
Abstract: 本发明公开了一种基于深度学习的多尺度测井曲线自动识别方法，包括以下步骤：1.建立循环神经网络模型；将测井数据曲线，输入循环神经网络开展训练，将数据分为储层和非储层两类；2.将非储层数据剔除，仅保留储层数据；3.将储层数据训练，输出一组为水层和含油水层，另一组为干层、油水同层和油层；4.将水层和含油水层训练，分为两组输出，水层和含油水层；5.将干层、油水同层和油层训练，输出为干层，油水同层和油层；6.将油水同层和油层训练，输出一组为油水同层，另一组为油层。能够实现多尺度分层识别，从而取得更好的油水层识别效果。
-
公开(公告)号：CN109614584B
公开(公告)日：2020-10-27
申请号：CN201811365241.0
申请日：2018-11-16
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种建立用于资源测井数据重建的模型的方法以及基于所述模型重建资源测井数据的方法。所述建立模型的方法，包括：1)将多种不同的测井曲线的每一种测井曲线作为发生在测井中具有资源这一事件的一项证据因子；2)针对每一项证据因子，将其对所述事件的贡献度确定为在发生或不发生该事件的条件下待重建区域中存在或不存在该证据因子的概率的表达式；3)根据所述事件的先验概率、所述证据因子对所述事件的贡献度来表示所述事件的后验概率。
-
公开(公告)号：CN109614584A
公开(公告)日：2019-04-12
申请号：CN201811365241.0
申请日：2018-11-16
Applicant: 中国科学院计算技术研究所
CPC classification number: G06F17/18 , G06K9/6269
Abstract: 本发明提供一种建立用于资源测井数据重建的模型的方法以及基于所述模型重建资源测井数据的方法。所述建立模型的方法，包括：1)将多种不同的测井曲线的每一种测井曲线作为发生在测井中具有资源这一事件的一项证据因子；2)针对每一项证据因子，将其对所述事件的贡献度确定为在发生或不发生该事件的条件下待重建区域中存在或不存在该证据因子的概率的表达式；3)根据所述事件的先验概率、所述证据因子对所述事件的贡献度来表示所述事件的后验概率。
-
公开(公告)号：CN110674841A
公开(公告)日：2020-01-10
申请号：CN201910780696.7
申请日：2019-08-22
Applicant: 中国石油天然气集团有限公司 , 中国石油集团测井有限公司 , 中国科学院计算技术研究所
Abstract: 本发明公开了一种基于聚类算法的测井曲线识别方法，属于测井曲线识别领域。基于聚类算法的测井曲线识别方法，首先利用主成分分析法对测井曲线进行降维将测井曲线反映出的信息进行简化，使用少数几个相互独立互不相关的综合指标代替，达到有限的几个指标能够尽量充分反映原来多指标信息；将机器学习思想与K聚类分析法相结合，构建KNN网络，并将标定好的分层信息作为机器学习中训练数据的数据标签，能够更好地引导K均值聚类问题寻找到聚类中心，得到真实有效的聚类结果；本发明的识别方法，无需对曲线数据进行归一化操作，在很大程度上降低了程序运算的时间复杂度。
-
公开(公告)号：CN109447249A
公开(公告)日：2019-03-08
申请号：CN201811540278.2
申请日：2018-12-17
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种训练用于重建测井数据的模型的方法，包括：1)对采集到的测井属性的数据进行降维；2)将生成网络G基于其当前的参数所生成的针对测井属性的虚假数据作为判别网络D的一个输入，将降维处理的结果作为判别网络D的另一个输入，通过调整所述生成网络G的参数使得判别网络D将所述虚假数据判断为是真实采集到的数据；其中，所述生成网络G为卷积神经网络，所述虚假数据与一个平面坐标对应。避免难以获得开采年代较早的测井的地震数据来训练神经网络的问题，并且通过对抗训练得到可以产生最接近于真实数据的预测结果的模型。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.023 seconds)
