-
公开(公告)号：CN116128158A
公开(公告)日：2023-05-16
申请号：CN202310347556.7
申请日：2023-04-04
Applicant: 西南石油大学
IPC: G06Q10/04 , G06N3/0455 , G06N3/084 , G06N3/047
Abstract: 本发明公开了混合采样注意力机制的油井效率预测方法，属于油气田智慧开发技术领域，解决了现有预测方法所考虑因素的完整性和准确性较差、鲁棒性较差，从而暴露偏差积累的问题，方法包括：获取时序参数数据，并进行预处理，执行预处理后综合预测模型；获取预处理后的时序参数数据，将时序参数数据传入二级解码模型中解码，得到真正的预测结果，计算损失值，并在进行反向传播更新权重时，使用第二解码器进行反向传播，由此得到最终训练好的综合预测模型；本发明通过将混合采样思想融入解码器当中，有效减少了训练和预测之间的过大差距，使其准确度更高，预测出的结果更可靠。
-
公开(公告)号：CN105516044A
公开(公告)日：2016-04-20
申请号：CN201510867013.3
申请日：2015-12-01
Applicant: 西南石油大学
IPC: H04L27/26
CPC classification number: H04L27/2614 , H04L27/2623
Abstract: 本发明公开了一种基于差分进化算法的OFDM系统峰均比抑制方法，属于通信传输领域，包括以下步骤：将反复的迭代限幅滤波过程建模成优化问题，在满足PAPR和EVM的约束条件下，用差分进化算法获得系统的局部最优解，找到PAPR和EVM同时满足系统条件并且时间复杂度最低的输出信号。从实际的系统实时应用的需求出发，不需要用凸优化的方法来求取全局最优，即不需要求得最小的PAPR，或者最小的EVM，而只需要满足系统需要即可。本发明在保证低的时间复杂度和硬件开销的基础上，致力于寻找可行解，也即是局部最优解。即用最快的时间找到满足系统要求的PAPR值，并满足EVM的约束，即保证系统的误码率在制定的门限以内。
-
公开(公告)号：CN115796401A
公开(公告)日：2023-03-14
申请号：CN202310070554.8
申请日：2023-02-07
Applicant: 西南石油大学
Abstract: 本发明公开了融合博弈论的井下复杂事故致因分析方法，包括收集井下传感器数据，对井下传感器数据进行缺失值填充，然后再进行异常值检测并剔除异常点；将处理后的井下传感器数据输入到井漏预测机器学习模型中输出得到事故发生预测值；将井下传感器数据通过基于博弈论的Shapley value模型计算得到井下传感器数据中每一个特征的特征贡献向量；对井下传感器数据中每一个特征的特征贡献向量进行归一化处理；通过加和得井漏各级致因因素的贡献占比，辅助现场获得有效的堵漏决策依据。本发明通过机器学习预测模型与博弈论的Shapley value模型有效融合，实现了井漏事故的原因分析，具有相当完备的数学理论基础和实际应用价值。
-
公开(公告)号：CN106991444A
公开(公告)日：2017-07-28
申请号：CN201710207476.6
申请日：2017-03-31
Applicant: 西南石油大学
IPC: G06K9/62
Abstract: 本发明涉及主动学习领域,尤其是基于峰值密度聚类的主动学习方法，其方法步骤为：(1)开始时，将所有未能标记数据进行聚类；(2)根据聚类的信息，构建一个选择器，从大量未标记样本中，选择最有价值的样本进行标记；(3)根据已经标记的样本和已有的聚类结构，对未能标记的样本进行预测和分类；(4)判断是否未分类实例，若是，则重新进行聚类，若否，则结束。本发明将ALEC方法与最主流的分类算法KNN,C4.5决策树算法，普通贝叶斯方法NaiveBayes方法在以下12个数据集上进行了仔细的比较，可以以很少的标记数量获得很高的准确度，可以大大减少人工标记实例的个数，从而大大减少成本，提高经济效益，同时具有很强的实用性。
-
公开(公告)号：CN119498855A
公开(公告)日：2025-02-25
申请号：CN202411568725.0
申请日：2024-11-05
Applicant: 西南石油大学
IPC: A61B5/18 , A61B5/00 , A61B5/369 , A61B5/372 , G06F18/2415 , G06F18/25 , G06N3/0464 , G06N3/042 , G06N3/045 , G06N3/0442 , G06V20/40 , G06V40/16 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/048
Abstract: 本发明公开了一种基于EEG与视频信号融合的塔吊工人疲劳检测方法，涉及疲劳检测技术领域，包括步骤：S1：数据采集与标记：采用运动摄像机采集操作人员的面部视频数据，同时采用脑电传感器采集操作人员的EEG信号；采用NASA‑TLX评分对操作人员心理疲劳进行主观评估；S2：数据预处理：分别对采集的面部视频数据和EEG信号进行预处理，然后利用滑动窗口对预处理后的视频和脑电数据进行分割，保证时间轴对齐；S3：多模态特征提取、融合与疲劳分类。本发明通过神经网络实现数据特征的自动提取与融合，不仅减少了人为主观误差，而且大大提高了处理大规模数据的效率，避免了手动特征选择的复杂性。
-
Patent Agency Ranking
公开(公告)号：CN119360445A
公开(公告)日：2025-01-24
申请号：CN202411424744.6
申请日：2024-10-12
Applicant: 西南石油大学
IPC: G06V40/20 , G06V40/10 , G06V10/82 , G06V10/44 , G06V10/77 , G06V10/764 , G06V10/80 , G06N3/084 , G06N3/042 , G06N3/047 , G06N3/0464 , G06N3/049
Abstract: 本发明公开了一种基于图形引导选择性扫描的动作识别方法，通过构建可学习的邻接矩阵，有效地捕捉动态拓扑关系，克服了传统静态拓扑在处理复杂动作时难以反映多种关节关系的局限性，在特征提取过程中，采用多分支结构对关节、骨骼和运动特征进行处理，并通过图卷积将卷积运算扩展到非欧几里得空间，以捕捉骨架数据中的复杂空间关系，2D选择性扫描充分利用了图引导的状态空间建模特征，综合考虑全局和局部特征，以提升性能和特征提取的精准度；多尺度时间卷积的应用增强了对复杂运动模式的理解，使得对动态变化的时序数据分析更加有效。
-
公开(公告)号：CN116128158B
公开(公告)日：2023-06-23
申请号：CN202310347556.7
申请日：2023-04-04
Applicant: 西南石油大学
IPC: G06Q10/04 , G06N3/0455 , G06N3/084 , G06N3/047
Abstract: 本发明公开了混合采样注意力机制的油井效率预测方法，属于油气田智慧开发技术领域，解决了现有预测方法所考虑因素的完整性和准确性较差、鲁棒性较差，从而暴露偏差积累的问题，方法包括：获取时序参数数据，并进行预处理，执行预处理后综合预测模型；获取预处理后的时序参数数据，将时序参数数据传入二级解码模型中解码，得到真正的预测结果，计算损失值，并在进行反向传播更新权重时，使用第二解码器进行反向传播，由此得到最终训练好的综合预测模型；本发明通过将混合采样思想融入解码器当中，有效减少了训练和预测之间的过大差距，使其准确度更高，预测出的结果更可靠。
-
公开(公告)号：CN109920012A
公开(公告)日：2019-06-21
申请号：CN201910137681.9
申请日：2019-02-25
Applicant: 西南石油大学
Abstract: 本发明公开了一种基于卷积神经网络的图像着色系统及方法，其中，图像着色系统包括：低级特征网络，用于对待着色的灰度图像进行低级特征提取，得到图像低级特征；局部特征网络，用于将所述图像低级特征进行局部特征提取，得到图像局部特征；语义特征网络，用于将所述图像低级特征进行语义信息学习，得到图像语义特征；图像着色网络，用于将所述图像局部特征和图像语义特征进行融合得到彩色图像。本发明增加了图像分割网络，通过提取图像的深层语义特征用于指导图像着色，并结合联合双边过滤上采样，对着色结果进行平滑处理，提升了灰度图像着色的准确度，减少了语境混淆和边缘彩色混合的现象。
-
公开(公告)号：CN108848475A
公开(公告)日：2018-11-20
申请号：CN201810620650.4
申请日：2018-06-15
Applicant: 西南石油大学
Abstract: 本发明公开了一种用于油田数据采集的低功耗传输系统及方法，其中方法包括：初始化Lora终端和Lora集中器；Lora终端向Lora集中器发送入网请求；Lora集中器判断Lora终端为新节点还是旧节点：若为新节点则对其进行入网验证，入网验证成功后将Lora终端注册进Lora集中器建立的网络路由中并进行组网；若为旧节点则将Lora终端注册进Lora集中器建立的网络路由中并进行组网；Lora集中器通过与Lora终端进行时间同步并分发时间片，然后进入休眠状态；Lora终端获取时间片，然后进入休眠状态并定时唤醒进行上行数据上报。本发明采用Lora集中器和Lora终端组件无线传感器网络，实现油田数据的采集、传输和处理，适应油田点多、距离远的应用需求，降低了节点功耗，以及组网、部署和维护成本。
-
公开(公告)号：CN104899664A
公开(公告)日：2015-09-09
申请号：CN201510336740.7
申请日：2015-06-17
Applicant: 西南石油大学
Abstract: 本发明公开了一种基于马尔科夫链和贝叶斯网络的钻井风险预测方法，运用马尔科夫链和贝叶斯网络从纵横两个方面对钻井风险做了比较全面的分析和预测，创新性的处理了马尔科夫链在处理上层指标确缺失这个方面的不足。马尔科夫链是探索由样本所决定的在未来时间里变量的概率分布，是一种纵向预测的方法。贝叶斯网络则展示出指标之间的相互影响关系，是一种横向预测方法。结合这两种方法有一个优势在于可以解决多层指标体系的非底层指标数据缺乏的问题，以实现宏观意义上的风险预测。贝叶斯网络的反推功能也为风险控制提供了基础。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.161 seconds)
