-
公开(公告)号：CN110344824B
公开(公告)日：2023-02-10
申请号：CN201910556061.9
申请日：2019-06-25
Applicant: 中国矿业大学(北京)
Abstract: 本发明公开了一种基于随机森林回归的声波曲线生成方法，包括如下具体步骤：收集研究区及研究区周围全部测井资料；选取资料齐全的测井，对其数据进行归一化处理，得到样本数据；将样本数据运用主成分分析法，筛选特征值对应的特征向量组建成数据集；将筛选后的样本数据按照固定比例，运用bootstrap方法从样本数据中有放回的抽取数据，分为训练数据集和测试样本集；构建基于随机森林回归算法的曲线生成模型；将待生成处测井的数据集输入构建好的模型得到缺失的测井曲线。本发明提供了一种基于随机森林回归的声波曲线生成方法能够解决现在曲线生成技术中存在的问题，在保证模型精度质量的情况下，拥有更强的泛化能力及更快的计算速度。
-
公开(公告)号：CN112305617B
公开(公告)日：2022-05-17
申请号：CN202011206686.1
申请日：2020-11-02
Applicant: 中国矿业大学(北京) , 中联煤层气有限责任公司
Abstract: 本发明提供了一种含煤岩系非常规气储层地球物理识别方法及装置，涉及非常规气储层地球物理勘探的技术领域，包括：通过储层物性综合识别方式对储层进行物性识别，得到储层的目标物理参数；通过储层地震地质识别方式对储层进行地质识别，得到储层的地质参数；通过储层岩性识别方式对储层进行岩性识别，得到储层的岩性识别结果；通过储层含气性识别方式对储层进行含气性识别，得到储层的含气性识别结果；将目标物理参数、地质参数、岩性识别结果和/或含气性识别结果确定为地球物理识别结果。本发明中的地球物理识别结果内容丰富，基于该内容丰富的地球物理识别结果可以提高对储层富集区预测的精度以及准确性。
-
公开(公告)号：CN112505784B
公开(公告)日：2022-03-08
申请号：CN202011400123.6
申请日：2020-12-02
Applicant: 中国矿业大学(北京)
IPC: G01V1/50
Abstract: 本发明公开了一种煤矿井下盾构机掘进路线优选方法，其特征在于，包括以下步骤：S1.选择布设巷道的岩层，利用合成地震记录实现地震地质的标定，构建拟声波曲线；S2.构建地质框架结构，基于地质框架结构，依据克里金插值算法，对测井资料实施沿层的内插及外推，形成闭合并平滑的初始模型；S3.通过初始模型进行地震反演，获取波阻抗反演数据体；S4.完成时深转换，将各个界面的深度域信息进行叠合，根据岩层展布趋势和剖面信息优选盾构机工作路线。本发明能够有效进行岩层的空间展布形态的精准预测，为盾构机的施工路线提供最优的选择。
-
公开(公告)号：CN110344824A
公开(公告)日：2019-10-18
申请号：CN201910556061.9
申请日：2019-06-25
Applicant: 中国矿业大学(北京)
Abstract: 本发明公开了一种基于随机森林回归的声波曲线生成方法，包括如下具体步骤：收集研究区及研究区周围全部测井资料；选取资料齐全的测井，对其数据进行归一化处理，得到样本数据；将样本数据运用主成分分析法，筛选特征值对应的特征向量组建成数据集；将筛选后的样本数据按照固定比例，运用bootstrap方法从样本数据中有放回的抽取数据，分为训练数据集和测试样本集；构建基于随机森林回归算法的曲线生成模型；将待生成处测井的数据集输入构建好的模型得到缺失的测井曲线。本发明提供了一种基于随机森林回归的声波曲线生成方法能够解决现在曲线生成技术中存在的问题，在保证模型精度质量的情况下，拥有更强的泛化能力及更快的计算速度。
-
公开(公告)号：CN120032173A
公开(公告)日：2025-05-23
申请号：CN202510187911.8
申请日：2025-02-20
Applicant: 中国矿业大学(北京)
IPC: G06V10/764 , G06V10/82 , G06V10/44 , G06V10/80 , G06V10/25 , G06N3/0464 , G06N3/048 , G06N3/09
Abstract: 本发明公开了一种基于改进YOLOv8模型的页岩孔隙类型识别方法，包括以下步骤：获取页岩数字岩心图像及其标注信息构建数据集；利用所述数据集进行改进YOLOv8模型训练，获得训练好的改进YOLOv8模型；所述改进YOLOv8模型包括：主干网络、颈部网络以及头部网络；将待处理的页岩数字岩心图像输入训练好的改进YOLOv8模型，获得对应的页岩孔隙类型识别结果。该方法通过改进的YOLOv8模型，集成C2f_DCNv3模块和内容感知重组特征增强模块，显著提升了对页岩孔隙复杂结构的特征提取和融合能力；并结合动态检测头DyHead及Inner‑CIoU损失函数，实现了高效、精准的页岩孔隙类型识别和边界框回归预测。
-
Patent Agency Ranking
公开(公告)号：CN118644772A
公开(公告)日：2024-09-13
申请号：CN202310649523.8
申请日：2023-06-02
Applicant: 中国矿业大学(北京)
IPC: G06V20/10 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于跨通道交互策略的三维地震断层识别模型及训练方法，包括：VNet网络和设置于所述网络中的跨通道交互模块；编码器的输出通过级联层与对称解码器的输出上采样结果结合，作为下一阶段解码器的输入；所述跨通道交互模块包括通道注意力模块和空间注意力模块，用于获取结合之后的特征图依次进行通道注意力和空间注意力计算，进行特征优化，并输出优化后的特征图，作为当前阶段解码器的最终输出进行上采样，并输入至下一阶段解码器；本发明采用VNet卷积神经网络作为基础网络，通过跨通道交互进行特征优化，在通道和空间上对三维地震数据的断层加以局部关注,提高了对低序级断层识别结果的连续性和精度。
-
公开(公告)号：CN117633512A
公开(公告)日：2024-03-01
申请号：CN202311654756.3
申请日：2023-12-05
Applicant: 中国矿业大学(北京)
IPC: G06F18/213 , G06F18/25 , G06F18/214 , G06N3/0464 , G06F18/243 , G06N20/20 , G06N3/048
Abstract: 本发明公开了一种基于一维卷积门控循环网络的储层孔隙度预测方法，涉及孔隙度预测技术领域，该方法包括线下部分和线上部分；其中线下部分包括：获取目标工区内井点处与储层参数相关的第一地震属性集；从第一地震属性集中获取最佳属性组合；将最佳属性组合作为输入，将最佳属性组合对应的孔隙度作为输出，对一维卷积门控循环网络模型进行训练；线上部分包括：获取目标工区内无井区域中与目标储层参数相关的第二地震属性集；根据最佳属性组合，从第二地震属性集中筛选出最终属性组合；将最终属性组合输入到训练好的一维卷积门控循环网络模型中，输出目标储层孔隙度；过该方法提高了对储层孔隙度的预测精度以及扩大了预测范围。
-
公开(公告)号：CN112990567A
公开(公告)日：2021-06-18
申请号：CN202110260677.9
申请日：2021-03-10
Applicant: 中国矿业大学(北京)
Abstract: 本发明实施例公开了建立煤层含气量预测模型的方法、装置、终端与存储介质，方法包括以下步骤：步骤1、获取原始数据；步骤2、对原始数据进行数据预处理，得到样本数据；步骤3、对样本数据进行主成分分析，得到分析后的特征数据集；步骤4、通过对特征数据集进行划分，得到训练集与测试集；步骤5、基于训练集训练LSTM模型，得到训练后的LSTM模型；步骤6、采用测试集对训练后的LSTM模型进行测试；步骤7、若测试通过，则将训练后的LSTM模型设置为煤层含气量预测模型。通过本方案建立的煤层含气量预测模型，预测煤层气的速度快，效率高，可以实现大规模应用。
-
公开(公告)号：CN112505784A
公开(公告)日：2021-03-16
申请号：CN202011400123.6
申请日：2020-12-02
Applicant: 中国矿业大学(北京)
IPC: G01V1/50
Abstract: 本发明公开了一种煤矿井下盾构机掘进路线优选方法，其特征在于，包括以下步骤：S1.选择布设巷道的岩层，利用合成地震记录实现地震地质的标定，构建拟声波曲线；S2.构建地质框架结构，基于地质框架结构，依据克里金插值算法，对测井资料实施沿层的内插及外推，形成闭合并平滑的初始模型；S3.通过初始模型进行地震反演，获取波阻抗反演数据体；S4.完成时深转换，将各个界面的深度域信息进行叠合，根据岩层展布趋势和剖面信息优选盾构机工作路线。本发明能够有效进行岩层的空间展布形态的精准预测，为盾构机的施工路线提供最优的选择。
-
公开(公告)号：CN112285776A
公开(公告)日：2021-01-29
申请号：CN202011149432.0
申请日：2020-10-23
Applicant: 中国矿业大学(北京)
Abstract: 本发明公开了一种基于深度学习的地震速度自动拾取方法，包括：获取地震数据与标签；将所述地震数据与所述标签输入到预先训练好的深度学习模型中，得到速度拾取结果；其中，深度学习模型的结构包括：三块残差块组成的残差网络；在残差网络后添加长短时记忆网络和全连接层；其中，每个残差块均由三层卷积层构成；各个残差块以及残差块各层之间的激活函数为Relu函数；长短时记忆网络和全连接层之间的激活函数为Relu函数。本发明提供的基于深度学习的地震速度自动拾取方法，有效提高了地震速度拾取的效率。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.025 seconds)
