-
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：CN118191922A
公开(公告)日：2024-06-14
申请号：CN202410438745.X
申请日：2024-04-12
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明公开了一种空间结构正则化多道稀疏脉冲反褶积方法。首先，该方法假设反射系数在时间上满足柯西函数描述的稀疏分布，将其引入到稀疏脉冲反褶积的正则化条件。此外，该方法基于地震信号在空间上的连续性和可预测性，采用结构张量对地震信号的空间结构进行估算和表征，也将其引入到稀疏脉冲反褶积的正则化条件。本发明方法实现了稀疏结构和空间结构联合驱动的多道稀疏脉冲反褶积处理，抑制了随机噪声对反褶积结果的影响，增强了高频地震信号恢复精度。
-
公开(公告)号：CN117549701A
公开(公告)日：2024-02-13
申请号：CN202311595922.7
申请日：2023-11-27
Applicant: 电子科技大学长三角研究院(湖州)
IPC: B60F3/00
Abstract: 本发明属于机器人技术领域，公开了一种可伸缩动蹼式明轮驱动的水陆两栖机器人，包括壳体，述壳体转动连接四个车轮轴，分布于壳体的左右两侧；壳体内设置有四个独立的驱动机构，四个驱动机构分别与四个车轮轴连接以驱动车轮独立转动；车轮机构内包含可伸缩的动蹼式明轮机构，可伸缩动蹼式明轮，包含车轮、一个独立的小轮体、数片桨板、可伸缩机构；可伸缩机构用于明轮桨板的伸缩，使得明轮桨板可以收缩于车轮内、并与车轮形成一个整体，或展开成一个动蹼式明轮机构、可用于划水。本发明通过采用单一动力驱动系统与可伸缩动蹼式明轮结构相结合的设计，实现陆地上行驶时保证轮毂的刚度和灵活度，水上航行时又能提高能源利用效率。
-
公开(公告)号：CN117518248A
公开(公告)日：2024-02-06
申请号：CN202311462785.X
申请日：2023-11-03
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G01V1/28 , G06F18/241 , G06F18/214 , G06F18/27 , G06N3/045 , G06N3/0464 , G06N3/0985 , G06N20/20
Abstract: 本发明公开了一种基于堆叠泛化集成与卷积神经网络结合的多尺度地震相智能识别方法，包括以下步骤：S1，获得三维叠后地震数据，并对所述数据进行预处理，以构建用于智能建模的学习样本；S2，利用k折交叉验证训练得到卷积核各异的卷积神经网络模型，构建堆叠泛化集成的首层；S3，以学习的方式将包含多尺度信息的所述卷积神经网络进行集成，得到堆叠泛化集成中首层的输出；S4，以首层输出及对应的原始地震相标签构建新的数据样本，用于所述集成中元模型的训练，并得到最终的堆叠泛化集成模型；S5，输入测试数据，以获得包含多尺度信息的地震相识别结果。本发明所提方法具有更好的模式差异识别能力，从而有助于提高地震相识别的准确度。
-
Patent Agency Ranking
公开(公告)号：CN119247461B
公开(公告)日：2025-03-28
申请号：CN202411795882.5
申请日：2024-12-09
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G01V1/28 , G01V1/30 , G06T17/00 , G06T7/10 , G06F18/24 , G06N3/0464 , G06N3/048 , G06N3/047 , G06N3/08
Abstract: 本发明属于但不限于地震相智能识别技术领域，尤其涉及一种基于V‑Net的三维地震相智能识别方法及系统，包括：S1：三维地震数据及相应地震相解释结果的获取；S2：针对三维地震相识别的学习样本的建立；S3：基于V‑Net的地震相智能识别模型的搭建；S4：未知数据的三维地震相识别。本发明将地震相识别当成一个三维图像分割问题，同时在建模中加入残差，优化了模型张成假设空间的合理性，能有效提高地震相智能识别的精度。本发明在三维U‑Net建模的基础上添加残差层，优化了智能模型的结构，有助于保障模型张成假设空间的合理性，从而提高网络整体的特征学习能力。
-
公开(公告)号：CN119148205B
公开(公告)日：2025-02-21
申请号：CN202411597271.X
申请日：2024-11-11
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明属于成像技术领域，公开了一种用于微地震逆时定位的Poynting矢量和偏振矢量混合成像方法，本发明基于弹性波场的Poynting矢量和速度偏振矢量，提出了一种针对微地震逆时成像的Poynting矢量与偏振矢量混合成像条件（PPMIC），该成像条件能够在无需对P波和S波进行解耦的前提下利用P波、S波的时差进行成像，相比于传统成像条件节省了大量的计算时间和计算机存储；同时该成像条件充分利用了波场的偏振和传播方向信息，能够更好的压制成像假象，提升微地震定位的精度。将PPMIC与任意曲线网格有限差分算法结合，极大的拓展了微地震逆时成像算法的应用场景，在不需要对地震数据进行复杂的静校正处理的情况下，能够对复杂地形区域采集的微地震数据进行准确成成像。
-
公开(公告)号：CN119247461A
公开(公告)日：2025-01-03
申请号：CN202411795882.5
申请日：2024-12-09
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G01V1/28 , G01V1/30 , G06T17/00 , G06T7/10 , G06F18/24 , G06N3/0464 , G06N3/048 , G06N3/047 , G06N3/08
Abstract: 本发明属于但不限于地震相智能识别技术领域，尤其涉及一种基于V‑Net的三维地震相智能识别方法及系统，包括：S1：三维地震数据及相应地震相解释结果的获取；S2：针对三维地震相识别的学习样本的建立；S3：基于V‑Net的地震相智能识别模型的搭建；S4：未知数据的三维地震相识别。本发明将地震相识别当成一个三维图像分割问题，同时在建模中加入残差，优化了模型张成假设空间的合理性，能有效提高地震相智能识别的精度。本发明在三维U‑Net建模的基础上添加残差层，优化了智能模型的结构，有助于保障模型张成假设空间的合理性，从而提高网络整体的特征学习能力。
-
公开(公告)号：CN119148205A
公开(公告)日：2024-12-17
申请号：CN202411597271.X
申请日：2024-11-11
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明属于成像技术领域，公开了一种用于微地震逆时定位的Poynting矢量和偏振矢量混合成像方法，本发明基于弹性波场的Poynting矢量和速度偏振矢量，提出了一种针对微地震逆时成像的Poynting矢量与偏振矢量混合成像条件（PPMIC），该成像条件能够在无需对P波和S波进行解耦的前提下利用P波、S波的时差进行成像，相比于传统成像条件节省了大量的计算时间和计算机存储；同时该成像条件充分利用了波场的偏振和传播方向信息，能够更好的压制成像假象，提升微地震定位的精度。将PPMIC与任意曲线网格有限差分算法结合，极大的拓展了微地震逆时成像算法的应用场景，在不需要对地震数据进行复杂的静校正处理的情况下，能够对复杂地形区域采集的微地震数据进行准确成成像。
-
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。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.028 seconds)
