-
公开(公告)号：CN118784395A
公开(公告)日：2024-10-15
申请号：CN202410859589.4
申请日：2024-06-28
申请人： 西南石油大学
摘要： 本发明公布了一种高能效免计算DPU终端被动式通信控制方法，属于被动式通信领域。本发明包括：链路下行时网关发送含有数据的无线信号到无处理器的终端，终端对其进行解码得到标准的总线信号用于驱动单总线传感器；链路上行时，闪存芯片存储传感器数据，DPU芯片快速处理数据并且去冗余，网关发送载波信号，信号通过反向散射电路调制到载波上，回传给网关。本发明将被动式通信和单总线相结合，通过本发明可以实现它们之间的直接通信。相比传统被动式通信，在物理层上解决了由于数据信号和时钟信号需要单独发送的编码问题，数据链路层上优化了通信的数据冗余问题，网络层上根据传感数据需求的缓急程度合理规划，避免网关与终端之间的通信碰撞。
-
公开(公告)号：CN117611485A
公开(公告)日：2024-02-27
申请号：CN202410097446.4
申请日：2024-01-24
申请人： 西南石油大学
摘要： 本发明公开了一种基于时空图神经网络的三维岩心渗透率预测方法，该方法包括以下步骤：对X射线μCT扫描岩心样本图像序列进行三维重建；过滤岩心三维数据噪声，增强岩心实体与孔缝间的对比度，并执行自动化阈值分割，得到二值化三维数据；将三维数据体切分为小体积样本，用达西公式计算岩心渗透率作为数据标签；对每个小体积样本三维岩心提取孔隙网络，处理为时空图表征数据；将时空图表征数据输入时空图神经网络模型，使用具有多查询注意力机制的图神经网络和门控逻辑单元模块提取岩心时空特征，并通过多层感知机预测渗透率。本发明较现有方法，具有较好的物理科学解释性，同时关注了渗透网络通道，降低了数据冗余成分干扰，适应于实际场景需求。
-
公开(公告)号：CN116484100A
公开(公告)日：2023-07-25
申请号：CN202310471787.9
申请日：2023-04-27
申请人： 西南石油大学
IPC分类号： G06F16/9535 , G06F16/906 , G06N3/0464 , G06N3/0475 , G06N3/045 , G06N3/094 , G06N3/048 , G06Q50/06
摘要： 本发明提供了一种页岩气井井筒积液排水工艺推荐方法，属于页岩气井技术领域，该方法包括：对获取的页岩气井分钟级数据进行标注以及预处理，并划分为若干个子序列数据；利用阈值法对子序列数据进行异常工况诊断；构建生成对抗网络，并将所有序列数据编码为特征向量；构建并训练分类模型，并利用训练后的分类模型对无标注的特征向量进行分类，将高置信度结果及对应的特征向量加入至有标注的特征向量中；判断是否将无标的特征向量均加入至有标注特征向量中；根据对抗生成网络和已训练的分类模型，对页岩气井分钟级数据的积液严重程度进行划分，并根据划分结果和数据分析结果制定排水工艺推荐策略。本发明解决了页岩气井井筒积液排水工艺推荐的问题。
-
公开(公告)号：CN115456867A
公开(公告)日：2022-12-09
申请号：CN202211144971.4
申请日：2022-09-20
申请人： 西南石油大学
摘要： 本发明公开了一种数字岩心重构方法，包括以下步骤：S1：将三维数字岩心图像转换为岩心序列切片；S2：将岩心序列切片转换为数字图像矩阵；S3：将数字图像矩阵作为生成对抗网络的输入，训练生成对抗网络；S4：将岩心序列切片作为改进长短期记忆神经网络的输入，训练改进长短期记忆神经网络，并得到时序特征；S5：将时序特征输入至训练好的生成对抗网络中，生成预测岩心图像，并将预测岩心图像转换为最新的数字图像矩阵，继续下一张三维数字岩心图像重构。本发明利用长短期记忆神经网络能够精确的获得样本序列图片的时序特征，且生成对抗网络能够生成清晰的数字岩心切片，将两者结合能够预测生成清晰的数字岩心序列图像。
-
公开(公告)号：CN115205854A
公开(公告)日：2022-10-18
申请号：CN202210583478.6
申请日：2022-05-25
申请人： 西南石油大学
IPC分类号： G06V20/69 , G06V10/764 , G06V10/774 , G06V10/82 , G06V10/24
摘要： 本发明公开了一种基于QEMSCAN的页岩MAPS矿物识别方法，包括：S1、对QEMSCAN图片和MAPS图片进行多阶段、跨分辨率的像素级对齐处理；S2、构建QEMSCAN图片中细粒度矿物类别与MAPS图片中粗粒度矿物鉴定标签之间的映射关系，基于对齐的QEMSCAN图片和MAPS图片，构建有监督训练数据集；S3、基于构建的有监督训练数据集训练针对MAPS矿物识别的矿物识别模型，学习MAPS图片和矿物类别的映射关系；S4、将待识别的MAPS图片输入完成训练的矿物识别模型，获得矿物类别识别结果。本发明方法不需要额外的实验步骤，除了模型训练时需要专用设备获取样本的QEMSCAN图像与BSE图像，后续只需单独的MAPS图像，即可直接预测其对应位置的矿物成分，节省了大量的成本与时间，识别效果可满足生产场景的鉴定需求。
-
公开(公告)号：CN110766422B
公开(公告)日：2022-04-15
申请号：CN201911047285.3
申请日：2019-10-30
申请人： 西南石油大学
摘要： 本发明提出了基于联盟链的药品协作及溯源系统和方法，通过划分不同的药品流通过程的参与角色，并以联盟链底层开发技术为基础，构建一个基于联盟链的药品协作及溯源的系统，并采用分布式的存储技术，实现普通用户在药品供应链上的流程信息查询和监管部门的药品核验，很大程度上避免了由单点故障引起的损失和威胁；区块链的防篡改技术也很大程度上解决了中心化存储模式下数据遭受人为篡改，不能及时发现并定位操作人员的问题。同时确保数据传输的安全性，可防止人为的失误、物流延误，并有效降低成本，让各个环节更加了解药品的流通和销售情况，提升各参与方的协同效率。
-
公开(公告)号：CN113689055B
公开(公告)日：2022-01-18
申请号：CN202111230016.8
申请日：2021-10-22
申请人： 西南石油大学
摘要： 本发明公开了一种基于贝叶斯优化的油气钻井机械钻速预测与优化方法，根据预设采样周期采集原始钻井数据，并基于原始钻井数据构建初始样本数据集，通过得到的初始样本数据构建机械钻速预测模型，利用机械钻速预测模型结合高斯过程回归预测下一采样点的机械钻速；本发明可以实现对钻井历史数据的快速分析，预测可行域上采样点的机械钻速范围，并在此基础上进行贝叶斯优化可得到优化后的机械钻速及其优化后的工程参数，对钻井工程参数与原始地层参数限制少，预测准确率高，同时可找到机械钻速最优时的工程参数，不存在参数值界限模糊的问题，其优化值清晰准确。
-
公开(公告)号：CN113689055A
公开(公告)日：2021-11-23
申请号：CN202111230016.8
申请日：2021-10-22
申请人： 西南石油大学
摘要： 本发明公开了一种基于贝叶斯优化的油气钻井机械钻速预测与优化方法，根据预设采样周期采集原始钻井数据，并基于原始钻井数据构建初始样本数据集，通过得到的初始样本数据构建机械钻速预测模型，利用机械钻速预测模型结合高斯过程回归预测下一采样点的机械钻速；本发明可以实现对钻井历史数据的快速分析，预测可行域上采样点的机械钻速范围，并在此基础上进行贝叶斯优化可得到优化后的机械钻速及其优化后的工程参数，对钻井工程参数与原始地层参数限制少，预测准确率高，同时可找到机械钻速最优时的工程参数，不存在参数值界限模糊的问题，其优化值清晰准确。
-
公开(公告)号：CN113688956A
公开(公告)日：2021-11-23
申请号：CN202111244037.5
申请日：2021-10-26
申请人： 西南石油大学
摘要： 本发明公开了一种基于深度特征融合网络的砂岩薄片分割和识别方法，目的在于提供一种对砂岩薄片各类矿物颗粒进行自动分割识别的神经网络算法，辅助专家进行标注、鉴定薄片的工作。通过建立标准的砂岩薄片数据库，再通过专家的数据更新，在越来越庞大的数据库上进行模型的迭代，实现砂岩薄片的像素级精度的自动分割和矿物分类。通过本发明自动的分割与分类，大大节约专家标注和鉴定统计个颗粒参数的时间，可以有效的辅助专家进行批量复杂的砂岩薄片图像鉴定的工作，极大的提高了工作效率。
-
公开(公告)号：CN109829561B
公开(公告)日：2021-03-16
申请号：CN201811360721.8
申请日：2018-11-15
申请人： 西南石油大学 , 四川杰瑞泰克科技有限公司
摘要： 本发明公开了一种基于平滑处理与网络模型机器学习的事故预测方法，包括：S1、构建钻井预警系统，并基于平滑处理对钻井进行事故异常的标注；S2、基于网络模型的机器学习模型构建训练井网络，以期目标函数最小时，形成连边的钻井对应的多分类模型之间为相似模型；利用训练井中的实测数据训练优化模型，得到模型的参数解；寻找所述网络中与测试井类似的邻居钻井，根据邻居钻井的模型对测试井模型进行参数估计，并利用估计得到的参数进行测试井的事故预测。本发明数据处理平稳，配合机器学习的方法能够降低设立不同钻井之间系统的工作量和成本，使得钻井预警模型的搭建和构造更加简洁高效，运行顺畅，提高效率。
-
-
-
-
-
-
-
-
-
搜索结果
108 条记录 (耗时 0.036 秒)
