-
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
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：CN111753871B
公开(公告)日：2022-12-16
申请号：CN202010392710.9
申请日：2020-05-11
Applicant: 同济大学
Abstract: 本发明涉及一种基于XGBOOST算法与特征工程的岩性及流体类型识别方法，包括以下步骤：1)根据钻井或测井数据获取地层的岩性及流体类型标签以及对应的弹性参数数据构建岩性及流体类型‑弹性参数的学习样本；2)特征构造：根据弹性参数利用数学变换构造特征集合；3)特征选择：结合嵌入式特征选择与包裹式特征选择策略，在特征集合中选择最终的输入特征；4)通过XGBOOST算法构建多井岩性和流体识别的机器学习模型进行学习并输出岩性及流体类型识别结果与现有技术相比，本发明具有构造更多对岩性或流体敏感属性、兼顾了表达能力和泛化能力等优点。
-
公开(公告)号：CN111596354B
公开(公告)日：2021-06-04
申请号：CN202010392227.0
申请日：2020-05-11
Applicant: 同济大学
IPC: G01V1/30
Abstract: 本发明涉及一种机器学习框架下考虑空间约束的地震储层预测方法，包括以下步骤：1)构建学习样本；2)将预测区域划分为多个子区域，并为每个子区域指定训练样本权重；3)根据每个子区域对应的加权后的学习样本，采用XGBOOST算法建立并训练机器学习模型；4)采用学习后的机器学习模型分别获取每个子区域的预测结果，即每个子区域的岩性及流体类型。与现有技术相比，本发明具有考虑地质和空间约束、改善预测结果等优点。
-
Patent Agency Ranking
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
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：CN111753871A
公开(公告)日：2020-10-09
申请号：CN202010392710.9
申请日：2020-05-11
Applicant: 同济大学
Abstract: 本发明涉及一种基于XGBOOST算法与特征工程的岩性及流体类型识别方法，包括以下步骤：1)根据钻井或测井数据获取地层的岩性及流体类型标签以及对应的弹性参数数据构建岩性及流体类型-弹性参数的学习样本；2)特征构造：根据弹性参数利用数学变换构造特征集合；3)特征选择：结合嵌入式特征选择与包裹式特征选择策略，在特征集合中选择最终的输入特征；4)通过XGBOOST算法构建多井岩性和流体识别的机器学习模型进行学习并输出岩性及流体类型识别结果与现有技术相比，本发明具有构造更多对岩性或流体敏感属性、兼顾了表达能力和泛化能力等优点。
-
公开(公告)号：CN111596354A
公开(公告)日：2020-08-28
申请号：CN202010392227.0
申请日：2020-05-11
Applicant: 同济大学
IPC: G01V1/30
Abstract: 本发明涉及一种机器学习框架下考虑空间约束的地震储层预测方法，包括以下步骤：1)构建学习样本；2)将预测区域划分为多个子区域，并为每个子区域指定训练样本权重；3)根据每个子区域对应的加权后的学习样本，采用XGBOOST算法建立并训练机器学习模型；4)采用学习后的机器学习模型分别获取每个子区域的预测结果，即每个子区域的岩性及流体类型。与现有技术相比，本发明具有考虑地质和空间约束、改善预测结果等优点。
-
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
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
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。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.015 seconds)
