-
公开(公告)号：CN112083498B
公开(公告)日：2021-05-25
申请号：CN202011106590.8
申请日：2020-10-16
Applicant: 山东科技大学
IPC: G01V1/50
Abstract: 本发明公开了一种基于深度神经网络的多波地震油气储层预测方法，该方法包括如下步骤：首先，针对从纵横波地震属性集获得的原始数据，采用粒子群优化的聚类分析方法和核主成分分析方法进行地震属性的优选优化，去除冗余信息，突出多波地震油气储层特征，以获得较好的深度神经网络样本数据；然后，通过深度神经网络模型对获得的样本数据进行学习并进行仿真预测，获得油气储层评价图；最后，对油气储层评价图进行图像增强处理，以提高图像的细节信息和边缘辨识度，从而增加图像的清晰度。在油气储层预测中，本发明方法能够提高地震油气储层的刻画精度，为油气藏的识别与预测提供了一种新的途径。
-
公开(公告)号：CN112664187A
公开(公告)日：2021-04-16
申请号：CN202011576447.5
申请日：2020-12-28
Applicant: 山东科技大学 , 鄂尔多斯市昊华红庆梁矿业有限公司
Abstract: 本发明提供了一种抽出式煤粉自动收集和质量测定装置及方法，涉及采矿工程和钻孔设备技术领域，解决了钻孔时无法即时确定推进距离和煤粉质量的技术问题。该装置包括钻进机构、煤粉收集机构、测量机构和数据处理模块，钻进机构利用气动马达实现钻进，煤粉收集机构的连接套将煤粉沿钻杆吸入连接管，并收入负压式煤粉收集器中，测量机构利用位置传感器和微波固体流量计分别测量推进距离和煤粉质量，数据处理模块的上位机处理钻杆的推进距离和煤粉量对应关系，进行显示和存储。该装置利用多普勒信号对煤粉进行测量，可以得出煤粉的平均速度与平均浓度，继而可以准确测得煤粉的质量。另外该装置及方法还具有使用方便、测量效率高等优点。
-
公开(公告)号：CN112647926A
公开(公告)日：2021-04-13
申请号：CN202011546639.1
申请日：2020-12-24
Applicant: 山东科技大学
IPC: E21B44/00
Abstract: 本发明提供了一种长距离钻孔钻杆钻压和扭矩同步测量的传感器及测量方法，涉及采矿工程和钻孔参数测量技术领域，解决了长距离钻孔中钻头附近位置钻压和扭矩测量困难的技术问题。传感器的结构包括外壳体、胶筒、应变花、防水垫圈、电子仓和异形紧固螺母，还包括传感器电路单元，传感器电路单元配置在电子仓内，具体包括异形PCB电路板、电源、钻压扭矩测量桥路、信号调理桥路、单片机集成电路、二次转换电路、电源调理芯片和数据存储芯片。利用该传感器可以准确的感应钻孔附近的外力，外壳体内的应变花可以准确地输出监测信号，还可以提供密封保护，该测量方法还消除了弯曲应力及温度等因素对测量参数的影响，提高了钻压和扭矩的测量精度。
-
公开(公告)号：CN110348568B
公开(公告)日：2021-02-23
申请号：CN201910642578.X
申请日：2019-07-16
Applicant: 山东科技大学
Abstract: 本发明公开了一种适用于强电磁干扰地区的深部采空区探测方法，该方法针对强干扰背景下不同电性异常特点，分步实施不同的处理策略，即首先针对在强干扰背景下获得的原始CSAMT数据采用深度神经网络学习与预测方法进行异常值剔除；然后在静态校正过程中采用多方向时变二维中值空间滤波法以消除静态效应；随后采用均值阈值分割算法对反演后的视电阻率进行处理以去除浅部异常信息；最后对反演获得的电阻率进行基于幂函数的加权滤波处理以增强深部采空区电性特征。经过本发明处理后，CSAMT深部采空区有效电性特征得到了明显增强，所刻画的采空区边界更加清晰，测区深部采空区的探测精度明显提高。
-
公开(公告)号：CN112083498A
公开(公告)日：2020-12-15
申请号：CN202011106590.8
申请日：2020-10-16
Applicant: 山东科技大学
IPC: G01V1/50
Abstract: 本发明公开了一种基于深度神经网络的多波地震油气储层预测方法，该方法包括如下步骤：首先，针对从纵横波地震属性集获得的原始数据，采用粒子群优化的聚类分析方法和核主成分分析方法进行地震属性的优选优化，去除冗余信息，突出多波地震油气储层特征，以获得较好的深度神经网络样本数据；然后，通过深度神经网络模型对获得的样本数据进行学习并进行仿真预测，获得油气储层评价图；最后，对油气储层评价图进行图像增强处理，以提高图像的细节信息和边缘辨识度，从而增加图像的清晰度。在油气储层预测中，本发明方法能够提高地震油气储层的刻画精度，为油气藏的识别与预测提供了一种新的途径。
-
Patent Agency Ranking
公开(公告)号：CN111255455A
公开(公告)日：2020-06-09
申请号：CN202010070706.0
申请日：2020-01-21
Applicant: 山东科技大学
Abstract: 本发明公开了一种煤矿井田不划分采区无掘巷无煤柱开采及施工方法，它是在井田上部布置上部大巷、下部布置下部大巷、中部布置中央进风斜巷，在井田边界布置煤层斜巷，采煤工作面从井田边界处开始依次后退回采在上部大巷布置胶带输送机，在下部大巷及进风斜巷中布置辅助运输设备,然后从上部大巷布置首采工作面切眼，该工作面沿走向布置沿倾向推进下行前进式俯斜开采；首采工作面下行推采至下部边界后搬家至相邻的下个工作面切眼，然后上行前进式仰斜开采，至上部边界后再搬家至相邻的下个工作面切眼安装，如此上下往返循环推采。本开采方法不划分采区，不需留设采区煤柱，减少了煤柱损失，提高了煤炭资源回收率。
-
公开(公告)号：CN108629072A
公开(公告)日：2018-10-09
申请号：CN201810198302.2
申请日：2018-03-12
Applicant: 山东科技大学
Abstract: 本发明公开了一种面向地震油气储层分布的卷积神经网络学习与预测方法。该方法首先以原始地震数据为基础，提取能够表征油气特征的地震属性；然后设计卷积神经网络模型，将优选的几种地震属性作为网络的输入层，提取井位处的地震属性值，以井位处的孔隙度、渗透率、含油性作为训练样本，通过BP神经网络反向传播不断修改网络结构中的卷积核、权值W和偏置b等参数，直到模型训练完成。随后对无井区的数据进行测试，实现由有井区到无井区储层的横向预测。本发明方法直接在对油气敏感的属性体上进行卷积神经网络深度学习，能够实现同区块，甚至跨区域的未知地震储集体地震信息特征的横向预测。
-
公开(公告)号：CN106802148B
公开(公告)日：2018-03-06
申请号：CN201710115440.5
申请日：2017-03-01
Applicant: 山东科技大学
IPC: G01C13/00
CPC classification number: Y02A90/32
Abstract: 本发明公开了一种水深测量深度基准面的传递方法，属于海洋测绘领域，通过对水深测量期间随船GNSS接收机所测大地高水位数据进行波浪效应改正、静态吃水改正，并利用漂泊时段和测深时段观测数据计算、分离出动态吃水，计算得到反映水位变化的干净的大地高，然后采用最小二乘拟合法，计算参考椭球面与测区当地深度基准面的基准面偏差，从而将随船GNSS接收机所测大地高水位转换到测区当地深度基准面上，最后，利用转换后的水位对水深测量结果进行水位控制，实现将水深测量结果转换到当地的深度基准面上。该方法操作简单、质量可靠、能准确反应测区水位的相对变化，且转换精度较高，具有一定的应用价值。
-
公开(公告)号：CN119412124A
公开(公告)日：2025-02-11
申请号：CN202411429672.4
申请日：2024-10-14
Applicant: 山东科技大学
Abstract: 本发明涉及煤层支护技术领域，具体是一种近距离煤层煤柱高应力支护装置，包括两个支撑机构，用于对煤层支撑，顶板固定连接在两个支撑机构之间，所述顶板的顶面开设有凹槽，所述凹槽的内部设置有顶块，所述顶块的底面固定连接有与对应位置处的凹槽内底面贯穿滑动的螺纹套，所述螺纹套的内部旋合连接有螺杆，所述螺杆外壁固定连接有齿轮，限位机构设置在顶板的底面，用于对多个螺杆限位，所述包括位于顶板下方的连接板。本发明中，该装置通过齿条与对应位置处的齿轮啮合，可以使齿轮锁住防止螺杆转动，使得顶块能够始终与煤层的顶面接触，因此可以避免螺杆受到振动而转动，导致顶块与煤层的顶面脱离而达不到对煤层支护的目的。
-
公开(公告)号：CN114459438B
公开(公告)日：2024-02-02
申请号：CN202210019059.X
申请日：2022-01-10
Applicant: 山东科技大学
Abstract: 本发明公开了一种基于光谱粗糙度信息判断高分辨率多光谱水深反演数据有效性的方法，涉及海洋测绘领域。本发明通过在多光谱影像中选取多个波段设置局域滑动子窗，基于M稳健估计算法拟合光谱趋势面，分别计算各局域子窗中残差向量的标准差得到光谱粗糙度指数，绘制光谱粗糙度特征图，通过分析光谱粗糙度指数的分布特征，提取光学深水区域中波峰的分布范围，在多光谱影像中确定光学深水区域的空间分布，合并多光谱影像各波段中的光学深水区域，确定多光谱遥感反演水深的有效区域。本发明从光谱数据本身出发，无需借助实测水深数据即可直接判断高分辨率多光谱水深反演数据的有效性，在海洋测绘、海洋遥感和海洋信息领域具有重要的应用价值。
-
-
-
-
-
-
-
-
-
Search Results
87
records
(took 0.035 seconds)
