-
公开(公告)号：CN116819636A
公开(公告)日：2023-09-29
申请号：CN202310770989.3
申请日：2023-06-28
Applicant: 中南大学
Abstract: 本发明公开了一种基于同步阵列观测系统的人工源电磁勘探去噪方法及系统，利用强干扰测站观测信号中的高信噪比数据段与同步观测的参考测站信号，求解得到时间域站间传递函数和频率域站间传递函数中的至少一种；然后对强干扰测站中含噪的观测信号数据段，利用时间域站间传递函数或频率域站间传递函数计算得到同一时间段的强干扰测站的时间域观测信号估计值；利用得到的估计值对应替换标记为含噪的观测信号数据段，最后对替换后的全时段强干扰测站时间域观测信号进行快速傅里叶变换，提取人工源信号主频幅值，进而可以完成后续的视电阻率计算。本发明可提高强干扰测站的数据质量与阵列观测数据的处理效率。
-
公开(公告)号：CN116819608A
公开(公告)日：2023-09-29
申请号：CN202310608257.4
申请日：2023-05-26
Applicant: 中南大学
Abstract: 本方法涉及震动检测技术领域，具体公开了一种基于相变储能材料的主动源微震监测方法，包括如下步骤：步骤S1：收集地质资料并用于建立区域速度模型，根据地质资料进行地温场分析并评估可控振动支撑剂进入井中后的温度变化，步骤S2：进行相变储能材料的优选与可控振动支撑剂的构筑，其中，可控振动支撑剂由相变储能材料和覆膜材料共同构筑，步骤S3：向储层注入构筑完成的可控振动支撑剂，通过微震检波器接收主动源微震信号，步骤S4：构件简化震源模型，通过主动源微震信号进行震源定位与可控振动支撑剂铺置范围模拟，解决了传统的微震监测技术存在信号微弱随机、采集数据信噪比低、有效改造体积评估困难的问题。
-
Patent Agency Ranking
公开(公告)号：CN115293039A
公开(公告)日：2022-11-04
申请号：CN202210933224.2
申请日：2022-08-04
Applicant: 中南大学
Abstract: 本发明属于油田开发技术领域，公开了一种基于改进海洋捕食者算法的电磁监测裂缝参数识别方法，本发明通过IMPA算法优化及实现：包括种群初始化改进、寻优参数优化、自适应边界条件约束，种群初始化改进采用Sobol序列替代传统不均匀随机分布的种群初始化，参数优化提出差异划分的阶段寻优替代传统MPA算法的均分三阶段寻优，自适应边界条件约束旨在舍去参数边界带来的局部最优解；构建水力压裂单缝缝长模型、方位模型，电磁监测通过对压裂井筒供电，在地面进行电位差测量，模型正演计算为所构建单缝模型下的地表所有测点观测的电位差异常计算，实现单缝缝长和方位的精细识别，从而指导水力压裂的效果评价。
-
公开(公告)号：CN115270446A
公开(公告)日：2022-11-01
申请号：CN202210846583.4
申请日：2022-07-19
Applicant: 中南大学
IPC: G06F30/20 , G06F17/13 , G06F111/10
Abstract: 本发明公开了一种充电导体压裂裂缝的电磁异常计算方法，包括以下步骤：S1、监测井位置、埋深，裂缝规模，供电电流与频率设置建立裂缝模型；S2、通过多层剖面参数换算出地层等效电阻率；S3、将充电导体剖分成Nd个电偶极源，获得每个电偶极源在地表的矢量位和标量位Φ；S4、根据电场和磁场计算公式获得电偶极源在地表的E和H值，确定参考点N，获得MN方向电场EMN和磁场HMN；S5、基于矢量叠加原理，将所有剖分的电偶极源的电磁场进行叠加，分别获取压裂前、后的电磁场，并通过差分计算得到压裂裂缝引起的电场异常Ea和磁场异常Ha。本发明旨在构建充电导体裂缝模型，获取压裂裂缝产生的电磁异常，为实现电磁监测裂缝识别提供理论基础。
-
公开(公告)号：CN114970646B
公开(公告)日：2022-11-01
申请号：CN202210903261.9
申请日：2022-07-29
Applicant: 中南大学
Abstract: 本发明属于人工源电磁法技术领域，公开了一种人工源电磁伪随机信号去趋势和噪声识别方法，利用去趋势波动分析结合固有时间尺度分解消除原始数据中的基线漂移，然后针对去基线漂移后的人工源电磁数据的等周期分段，提取联合特征参数结合优化概率神经网络实现智能且准确的异常识别，获取识别为有效信号段来重构人工源电磁高质量数据。本发明采用联合特征更为有效且有针对性地表征信号和噪声的区别，优化概率神经网络结构简单易操作，分类效果良好等特点，将人工源伪随机电磁数据实现智能且准确的噪声识别及剔除，能自适应且精确消除基线漂移和噪声数据，提高原始数据信噪比，提升现有智能识别算法在伪随机电磁噪声数据识别上的准确度。
-
公开(公告)号：CN114970647A
公开(公告)日：2022-08-30
申请号：CN202210903303.9
申请日：2022-07-29
Applicant: 中南大学
Abstract: 本发明公开了基于概率神经网络的电磁数据识别方法及系统，将人工源电磁数据等周期分帧，分别提取每段人工源电磁数据的时域特征，其中，所述时域特征为最大值、峰值因子、脉冲因子和裕度因子；利用每段人工源电磁数据的时域特征参数训练概率神经网络；利用训练好的概率神经网络对人工源电磁数据进行有效信号与异常波形的识别，其中，所述有效信号为伪随机信号，异常波形为脉冲噪声、衰减噪声、三角波噪声和方波噪声；将识别为异常波形的数据进行剔除，合并且拼接识别为有效信号段获得人工源电磁数据。通过本申请解决了机器学习算法对人工源电磁数据无法高精细地识别异常波形的问题，提升了去噪效果、精度及数据质量。
-
公开(公告)号：CN114970646A
公开(公告)日：2022-08-30
申请号：CN202210903261.9
申请日：2022-07-29
Applicant: 中南大学
Abstract: 本发明属于人工源电磁法技术领域，公开了一种人工源电磁伪随机信号去趋势和噪声识别方法，利用去趋势波动分析结合固有时间尺度分解消除原始数据中的基线漂移，然后针对去基线漂移后的人工源电磁数据的等周期分段，提取联合特征参数结合优化概率神经网络实现智能且准确的异常识别，获取识别为有效信号段来重构人工源电磁高质量数据。本发明采用联合特征更为有效且有针对性地表征信号和噪声的区别，优化概率神经网络结构简单易操作，分类效果良好等特点，将人工源伪随机电磁数据实现智能且准确的噪声识别及剔除，能自适应且精确消除基线漂移和噪声数据，提高原始数据信噪比，提升现有智能识别算法在伪随机电磁噪声数据识别上的准确度。
-
-
-
-
-
-
Search Results
17
records
(took 0.021 seconds)
