公开(公告)号：CN110118994B

公开(公告)日：2020-10-02

申请号：CN201910440723.6

申请日：2019-05-24

Applicant: 同济大学

Inventor： 赵峦啸 ,  耿建华 ,  钟锴 ,  邹采枫 ,  麻纪强 ,  邵磊 ,  蔡进功 ,  王玮 ,  付晓伟 ,  朱晓军

IPC: G01V1/48 ,  G01V1/50 ,  G06K9/62 ,  G06N20/00 ,  G06Q10/04 ,  G06Q50/26

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：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

Inventor： 赵峦啸 ,  竺炫莹 ,  付晓伟 ,  陈怀震 ,  张丰收 ,  耿建华

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：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

Inventor： 赵峦啸 ,  竺炫莹 ,  付晓伟 ,  陈怀震 ,  张丰收 ,  耿建华

IPC: G01V1/30 ,  G06N3/08 ,  G06K9/62 ,  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：CN110346831B

公开(公告)日：2021-06-04

申请号：CN201910653044.7

申请日：2019-07-19

Applicant: 同济大学

Inventor： 赵峦啸 ,  邹采枫 ,  耿建华 ,  钟锴 ,  付晓伟

IPC: G01V1/36 ,  G01V1/28

Abstract: 本发明涉及一种基于随机森林算法的智能化地震流体识别方法，该方法首先基于测井数据进行大量的机器学习实践，通过建立勘探开发工区的流体识别机器学习网络对每口井进行测试以及筛选不同井进行盲测等手段，来验证随机森林算法在这种基于弹性属性的流体类型预测方法上的可行性和高精度，然后从井到震，利用测线上五口井的测井数据训练出一个有泛化性能的随机森林分类器，与叠前地震数据的叠前弹性参数反演结果相结合，进而预测流体类型的空间分布。与现有技术相比，本发明具有识别准确度高、避免受物性参数影响、耗时短等优点。

公开(公告)号：CN110346831A

公开(公告)日：2019-10-18

申请号：CN201910653044.7

申请日：2019-07-19

Applicant: 同济大学

Inventor： 赵峦啸 ,  邹采枫 ,  耿建华 ,  钟锴 ,  付晓伟

IPC: G01V1/36 ,  G01V1/28

Abstract: 本发明涉及一种基于随机森林算法的智能化地震流体识别方法，该方法首先基于测井数据进行大量的机器学习实践，通过建立勘探开发工区的流体识别机器学习网络对每口井进行测试以及筛选不同井进行盲测等手段，来验证随机森林算法在这种基于弹性属性的流体类型预测方法上的可行性和高精度，然后从井到震，利用测线上五口井的测井数据训练出一个有泛化性能的随机森林分类器，与叠前地震数据的叠前弹性参数反演结果相结合，进而预测流体类型的空间分布。与现有技术相比，本发明具有识别准确度高、避免受物性参数影响、耗时短等优点。

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

Inventor： 赵峦啸 ,  耿建华 ,  钟锴 ,  邹采枫 ,  麻纪强 ,  邵磊 ,  蔡进功 ,  王玮 ,  付晓伟 ,  朱晓军

IPC: G01V1/48 ,  G01V1/50 ,  G06K9/62 ,  G06N20/00 ,  G06Q10/04 ,  G06Q50/26

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。