-
公开(公告)号：CN113090831A
公开(公告)日：2021-07-09
申请号：CN202110284646.7
申请日：2021-03-17
Applicant: 同济大学
Abstract: 一种实现大减速比和管道回转接头功能的流体输送方法及装置，设计方法包括装置的减速原理；包括管道的回转原理：本发明减速回转机构将管道回转中内管道(3‑1)视为RV减速机中的低速管，旋转端管道(3‑7)插入RV减速机的外壳(2‑3)，两个管道之间采用双列滚珠实现之间的回转运动；包括整体机构的运动传递原理。本发明方法采用的具有大减速比以及管道回转接头功能的机构，采用电机驱动，极大的简化了整体机构的复杂性，提高了整体功能的鲁棒性。
-
公开(公告)号：CN112434878A
公开(公告)日：2021-03-02
申请号：CN202011429199.1
申请日：2020-12-09
Applicant: 同济大学
Abstract: 本发明涉及一种基于Cascade样本均衡的地震流体预测方法，包括以下步骤：1)获取包含多数类样例和少数类样例的原始学习样本；2)根据原始学习样本进行Cascade样本均衡得到新的类别均衡样本，并采用新的类别均衡样本构建基分类器进行地震流体类别的集成预测。与现有技术相比，本发明具有提高预测准确性等优点。
-
Patent Agency Ranking
公开(公告)号：CN112444841B
公开(公告)日：2021-10-08
申请号：CN202011429211.9
申请日：2020-12-09
Applicant: 同济大学
IPC: G01V1/00
Abstract: 本发明涉及一种基于分尺度多输入卷积网络的含薄层岩性地震预测方法，包括以下步骤：1)建立包含井位处的岩性标签以及对应叠前和叠后地震记录数据的学习样本；2)对叠前和叠后地震记录数据进行提取、反演和时频分析，得到卷积神经网络模型的输入数据，包括属性集、叠前地震记录数据以及分频属性数据；3)构建分尺度多输入的卷积神经网络模型并进行训练；4)采用训练好的卷积神经网络模型进行含薄层岩性地震预测。与现有技术相比，本发明具有实现含薄层岩性的准确有效预测、数据维度小等优点。
-
公开(公告)号：CN113344258A
公开(公告)日：2021-09-03
申请号：CN202110570882.5
申请日：2021-05-25
Applicant: 同济大学
Abstract: 本发明涉及一种基于分歧的半监督学习的地震岩性预测方法，包括以下步骤：S1：建立有标签学习样本，所述的有标签学习样本包含井位处的岩性标签以及对应的叠前、叠后地震记录数据、通过叠前反演获取的反演数据、叠后提取属性获取的地震信息；S2：建立无标签学习样本；S3：构建三个基分类器，基于有标签学习样本对三个基分类器进行训练；S4：利用无标签学习样本更新三个基分类器，直到三个基分类器都收敛；S5：利用训练完成的三个基分类器进行集成预测。与现有技术相比，本发明利用无标签数据采用基于分歧的半监督学习方法，有效对地震岩性进行预测，达到提升模型泛化能力的目的。
-
公开(公告)号：CN112444841A
公开(公告)日：2021-03-05
申请号：CN202011429211.9
申请日：2020-12-09
Applicant: 同济大学
IPC: G01V1/00
Abstract: 本发明涉及一种基于分尺度多输入卷积网络的含薄层岩性地震预测方法，包括以下步骤：1)建立包含井位处的岩性标签以及对应叠前和叠后地震记录数据的学习样本；2)对叠前和叠后地震记录数据进行提取、反演和时频分析，得到卷积神经网络模型的输入数据，包括属性集、叠前地震记录数据以及分频属性数据；3)构建分尺度多输入的卷积神经网络模型并进行训练；4)采用训练好的卷积神经网络模型进行含薄层岩性地震预测。与现有技术相比，本发明具有实现含薄层岩性的准确有效预测、数据维度小等优点。
-
公开(公告)号：CN113090831B
公开(公告)日：2022-03-08
申请号：CN202110284646.7
申请日：2021-03-17
Applicant: 同济大学
Abstract: 一种实现大减速比和管道回转接头功能的流体输送方法及装置，设计方法包括装置的减速原理；包括管道的回转原理：本发明减速回转机构将管道回转中内管道(3‑1)视为RV减速机中的低速管，旋转端管道(3‑7)插入RV减速机的外壳(2‑3)，两个管道之间采用双列滚珠实现之间的回转运动；包括整体机构的运动传递原理。本发明方法采用的具有大减速比以及管道回转接头功能的机构，采用电机驱动，极大的简化了整体机构的复杂性，提高了整体功能的鲁棒性。
-
公开(公告)号：CN112434878B
公开(公告)日：2022-09-20
申请号：CN202011429199.1
申请日：2020-12-09
Applicant: 同济大学
Abstract: 本发明涉及一种基于Cascade样本均衡的地震流体预测方法，包括以下步骤：1)获取包含多数类样例和少数类样例的原始学习样本；2)根据原始学习样本进行Cascade样本均衡得到新的类别均衡样本，并采用新的类别均衡样本构建基分类器进行地震流体类别的集成预测。与现有技术相比，本发明具有提高预测准确性等优点。
-
-
-
-
-
-
Search Results
7
records
(took 0.017 seconds)
