-
公开(公告)号：CN114255388B
公开(公告)日：2025-04-04
申请号：CN202111230596.0
申请日：2021-10-22
Applicant: 电子科技大学长三角研究院(湖州) , 电子科技大学
IPC: G06V20/00 , G06V10/762 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种地震采集接收装置埋置质量人工智能自动检测方法，包括以下步骤：S1、拍摄地震采集接收装置的野外图像，并筛选出清晰的图像；S2、使用labelimg标注工具对清晰的图像进行特征标注，将图像分类为合格和不合格，并保存为xml标签文件；S3、搭建YOLOv3神经网络，设置网络参数，进行迭代训练，输出每一轮训练后的模型，按照预测准确率的评价指标选择最优预测模型；S4、利用最优预测模型对待预测的地震采集接收装置的图像进行分类预测。本发明能够快速有效地进行施工质量检查，对提高质量控制的有效性、时效性，降低质控成本、提高施工效率、帮助质检人员实现仪器安装质量的快速评估，保证地震资料的采集质量。
-
公开(公告)号：CN115755181A
公开(公告)日：2023-03-07
申请号：CN202211382514.9
申请日：2022-11-07
Applicant: 电子科技大学长三角研究院(湖州) , 电子科技大学
Abstract: 本发明提供了一种基于数据重构的储层含油气模式识别方法，该方法从地震信号的振幅、频率、衰减等角度，研究储层含油气异常特征，以探索新的油气识别方法。包括：使用列文伯格‑马夸尔特算法分别对地震数据的每道信号进行迭代重构，利用通过希尔伯特变换求得的瞬时相位、瞬时频率以及通过小波变换求得的频率、衰减因子，将其作为初始值，对原地震信号数据进行迭代运算，最后利用重构信号数据结果及重构的衰减因子、频率等参数的异常响应，结合经验及专业知识，对储层含油气性进行判断。该方法有助于查明储层的含油气量，对直接找油、找气、降低油气开采成本等具有现实意义。
-
公开(公告)号：CN117236503A
公开(公告)日：2023-12-15
申请号：CN202311220090.0
申请日：2023-09-20
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明属于智能信息处理技术领域，公开了一种基于空间信息约束的数据驱动预测方法、系统，该方法包括：数据的获取及预处理；基于同位协同克里金的预测目标插值；基于序贯高斯模拟的样本权重求取及基于空间信息约束的损失函数的构建；损失函数的优化及基于深度全连接神经网络的数据驱动预测。该系统包括：数据获取模块，数据预处理模块，预测目标插值模块，样本权重求取模块，损失函数构建模块，损失函数优化模块，数据驱动预测模块。本发明在空间信息约束下实现了学习样本的扩充，并将空间信息用于损失函数的优化，提高了数据信息的利用率，有助于引导学习过程向合理的假设收敛，从而改善基于数据驱动的预测方法的性能。
-
公开(公告)号：CN115932972A
公开(公告)日：2023-04-07
申请号：CN202211629531.8
申请日：2022-12-19
Applicant: 电子科技大学长三角研究院(湖州) , 电子科技大学
IPC: G01V1/36 , G01V1/28 , G06N3/045 , G06N3/0464
Abstract: 本发明提供了一种融合空间注意力的地震数据人工智能处理方法，包括以下步骤：步骤1，对现有的实际地震数据进行预处理，将地震数据进行最大绝对值归一化，产生大量的训练样本，构建适合卷积神经网络训练的数据集；步骤2，搭建融合AGs空间注意力机制的多级小波卷积神经网络，使用上述训练集对网络进行迭代训练，网络的前后传播会更新每一层的参数，每次训练之后计算本次训练的损失函数，通过不断地调试超参数，让损失函数趋于收敛，最终保留损失函数结果最小的模型参数；步骤3，利用训练好的模型对实际地震数据进行面波压制处理。本发明解决了地震勘探数据中面波噪声压制难度大、传统去噪方法保真性差的问题。
-
公开(公告)号：CN114255388A
公开(公告)日：2022-03-29
申请号：CN202111230596.0
申请日：2021-10-22
Applicant: 电子科技大学长三角研究院(湖州) , 电子科技大学
IPC: G06V20/00 , G06V10/762 , G06V10/764 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04
Abstract: 本发明公开了一种地震采集接收装置埋置质量人工智能自动检测方法，包括以下步骤：S1、拍摄地震采集接收装置的野外图像，并筛选出清晰的图像；S2、使用labelimg标注工具对清晰的图像进行特征标注，将图像分类为合格和不合格，并保存为xml标签文件；S3、搭建YOLOv3神经网络，设置网络参数，进行迭代训练，输出每一轮训练后的模型，按照预测准确率的评价指标选择最优预测模型；S4、利用最优预测模型对待预测的地震采集接收装置的图像进行分类预测。本发明能够快速有效地进行施工质量检查，对提高质量控制的有效性、时效性，降低质控成本、提高施工效率、帮助质检人员实现仪器安装质量的快速评估，保证地震资料的采集质量。
-
Patent Agency Ranking
公开(公告)号：CN114114414A
公开(公告)日：2022-03-01
申请号：CN202111369371.3
申请日：2021-11-18
Applicant: 电子科技大学长三角研究院(湖州) , 电子科技大学
Abstract: 本发明公开了一种页岩储层“甜点”信息人工智能预测方法，包括以下步骤：步骤1、数据的预处理：对测井数据和地震数据进行清洗、归一化与均衡化处理；步骤2、构建卷积神经网络：根据输入特征及输出结果的形式确定网络结构；步骤3、基于测井数据训练“甜点”参数预测模型；步骤4、基于地震数据的“甜点”参数三维预测，生成数据体，利用专业地震数据可视化软件分析结果，评价页岩“甜点”分布情况。本发明利用一维卷积神经网络实现储层“甜点”参数TOC、PHI和GAS的预测，充分利用CNN非线性表征能力强、不易陷入局部最优解的优势，大大提高了“甜点”参数预测精度，能够为页岩气“甜点”的预测评价提供依据。
-
公开(公告)号：CN114091333B
公开(公告)日：2024-12-06
申请号：CN202111369372.8
申请日：2021-11-18
Applicant: 电子科技大学长三角研究院(湖州) , 电子科技大学
Abstract: 本发明公开了一种基于机器学习的页岩含气量人工智能预测方法，包括以下步骤：步骤1、剔除岩心含气量实测值的异常值，并对纵横波速度、密度、自然伽马和含气实测值分别进行归一化处理；步骤2、引入松弛变量、利用数据映射搭建支持向量回归预测模型；步骤3、将纵横波速度、密度作为输入，页岩岩心含气量作为输出，利用支持向量回归预测模型，根据留一交叉验证得到含气量预测值；或者将自然伽马、纵波速度、密度作为输入，页岩岩心含气量作为输出，利用支持向量回归预测模型，根据留一交叉验证得到含气量预测值。本发明针对岩心、测井和地震数据计算页岩含气量精度较高，具有较高的泛化能力和可靠性。
-
公开(公告)号：CN117473416A
公开(公告)日：2024-01-30
申请号：CN202311561432.5
申请日：2023-11-21
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06F18/2415 , G06F18/214 , G06N3/08
Abstract: 本发明公开的一种基于动态分类器选择的测井岩性智能识别方法，包括如下步骤：S1，建立用于测井岩性智能识别建模的学习样本；S2，基于相同的学习样本，建立学习算法不同的多个分类模型，构成模型池；S3，根据未知数据T中的每个样例的特点对模型池中的分类模型执行动态选择，并将选择的分类模型用于具体样例的识别。该方法能根据样本特点动态选择合适的分类器用于测井岩性识别，从而具备更高的准确率，而且方法整体也展现出更好的泛化性，进而保障具体科研问题智能化实现的效率。
-
公开(公告)号：CN117056673A
公开(公告)日：2023-11-14
申请号：CN202311028878.1
申请日：2023-08-15
Applicant: 电子科技大学长三角研究院(湖州) , 电子科技大学
IPC: G06F18/10 , G06F18/213 , G06F18/23 , G06F18/2433
Abstract: 本发明公开了一种测井岩相人工智能识别方法，包括以下步骤：步骤1：数据预处理；步骤2：测井数据标准化处理；步骤3：UMAP非线性降维，提取测井数据岩性特征；步骤4：绘制交汇图，分析岩相样本分布情况。本发明基于UMAP这一高效、准确、保留多样性、可拓展和可视化的非线性降维算法，解决了测井数据维度高、结构复杂的问题。通过将复杂的多维特征提取并映射到低维空间，提取了关键的岩性数据特征，并通过低维数据的可视化，能够更直观地观察数据的分布和聚类特征，从而协助岩相识别任务的解释和分析。
-
公开(公告)号：CN114091333A
公开(公告)日：2022-02-25
申请号：CN202111369372.8
申请日：2021-11-18
Applicant: 电子科技大学长三角研究院(湖州) , 电子科技大学
Abstract: 本发明公开了一种基于机器学习的页岩含气量人工智能预测方法，包括以下步骤：步骤1、剔除岩心含气量实测值的异常值，并对纵横波速度、密度、自然伽马和含气实测值分别进行归一化处理；步骤2、引入松弛变量、利用数据映射搭建支持向量回归预测模型；步骤3、将纵横波速度、密度作为输入，页岩岩心含气量作为输出，利用支持向量回归预测模型，根据留一交叉验证得到含气量预测值；或者将自然伽马、纵波速度、密度作为输入，页岩岩心含气量作为输出，利用支持向量回归预测模型，根据留一交叉验证得到含气量预测值。本发明针对岩心、测井和地震数据计算页岩含气量精度较高，具有较高的泛化能力和可靠性。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.032 seconds)
