公开(公告)号：CN111079783B

公开(公告)日：2022-11-08

申请号：CN201911094176.7

申请日：2019-11-11

Applicant: 东北石油大学

Inventor： 王梅 ,  杨二龙 ,  戚开元 ,  李董 ,  李东旭 ,  薛成龙

IPC: G06K9/62

Abstract: 本发明涉及储层岩性识别技术领域，尤其涉及一种基于多核集成学习识别地层岩性参数的方法。该方法包括：根据测井参数特征划分不同的样本集；划分训练样本集和测试样本集；针对岩性参数特征，建立一个强分类器，分别对测试样本集中的测试样本进行判断，采用平均法获得岩性参数；将上述预测结果与重新构建样本数据，针对岩性参数特征，建立强分类器；利用强分类器，组成强分类器；对样本进行判断，采用投票的方式确定最终的地层岩性类别；采用绝对多数投票法，若某岩性标记得票过半数则预测为该岩性，否则拒绝预测。本发明应用了多核集成学习算法的特性，将多个及分类器进行结合，将分类错误率最小化，提高了测井数据利用率，判断准确率高。

公开(公告)号：CN111079783A

公开(公告)日：2020-04-28

申请号：CN201911094176.7

申请日：2019-11-11

Applicant: 东北石油大学

Inventor： 王梅 ,  杨二龙 ,  戚开元 ,  李董 ,  李东旭 ,  薛成龙

IPC: G06K9/62

Abstract: 本发明涉及储层岩性识别技术领域，尤其涉及一种基于多核集成学习识别地层岩性参数的方法。该方法包括：根据测井参数特征划分不同的样本集；划分训练样本集和测试样本集；针对岩性参数特征，建立一个强分类器，分别对测试样本集中的测试样本进行判断，采用平均法获得岩性参数；将上述预测结果与重新构建样本数据，针对岩性参数特征，建立强分类器；利用强分类器，组成强分类器；对样本进行判断，采用投票的方式确定最终的地层岩性类别；采用绝对多数投票法，若某岩性标记得票过半数则预测为该岩性，否则拒绝预测。本发明应用了多核集成学习算法的特性，将多个及分类器进行结合，将分类错误率最小化，提高了测井数据利用率，判断准确率高。

公开(公告)号：CN117250662A

公开(公告)日：2023-12-19

申请号：CN202311231006.5

申请日：2023-09-22

Applicant: 东北石油大学

Inventor： 郎璇聪 ,  王梅 ,  杨二龙 ,  董宏丽 ,  王志宝 ,  戚开元

IPC: G01V1/30 ,  G01V1/28

Abstract: 本发明涉及油田地面工程技术领域，尤其涉及一种基于在线深度学习的致密砂岩储层识别方法。该基于在线深度学习的致密砂岩储层识别方法，包括S1获取测量点数据并归一化得到数据集；S2归一化后的结果得到三维地震数据表征；S3：构建在线卷积‑长短期记忆网络模型；S4：将数据集分割成训练集、验证集与测试集；S5：使用训练集训练在线卷积‑长短期记忆网络模型；S6：将数据输入模型中完成储层类型识别。本发明提出的基于在线深度学习的致密砂岩储层识别方法，通过使用卷积‑长短期记忆网络算法，提高模型的运行效率和模型的可拓展性、可移植性，对数据集进行反演然后进行储层分类，提高识别精度，缩短人工判别储层的时间，从而节约大量成本。

公开(公告)号：CN117195140A

公开(公告)日：2023-12-08

申请号：CN202311206528.X

申请日：2023-09-18

Applicant: 东北石油大学

Inventor： 王梅 ,  杨二龙 ,  董驰 ,  赵建民 ,  张天时 ,  戚开元 ,  娄金香

IPC: G06F18/2451 ,  G06F18/10 ,  G06F18/2135 ,  G06F18/27 ,  G06F17/16 ,  E21B43/26

Abstract: 本发明涉及油井压裂效果预测技术领域，特别涉及一种基于核回归加速算法的油井压裂效果的预测方法。该方法包括获取压裂数据，对数据进行预处理，预处理包括清洗、填充和转换；预处理后的结果进行对数中心化处理，找到投影向量进行数据划分，得到m个子集；从核矩阵中随机抽出c列，构造列子集矩阵C；根据列子集矩阵C构造交叉矩阵W，从而得到低秩逼近矩阵，得到核SVR模型；在m个子集的每个区域上训练步骤S3中得到的模型；最后每个核SVR模型预测落入同一区域内的待识别压裂数据。通过本发明可以更精确，快速地进行压裂效果预测。

公开(公告)号：CN111160389A

公开(公告)日：2020-05-15

申请号：CN201911211819.1

申请日：2019-12-02

Applicant: 东北石油大学

Inventor： 王梅 ,  杨二龙 ,  李东旭 ,  张朦 ,  戚开元 ,  薛成龙

IPC: G06K9/62 ,  G06N3/04

Abstract: 本发明涉及地质层识别技术领域，尤其涉及一种基于融合VGG的岩性识别方法。该识别方法包括将融合VGG作为网络模型、将VGG-16作为基础框架添加分支网络搭建初始深度学习网络模型；获取原始岩石图像并进行图像分割和归一化处理，得到预处理后的图像数据；获取原始岩石图像并进行对岩石图像进行人工标注，得到标注后的图像；对标注后的岩石图像做成VOC2007格式数据，得到标注后数据；将预处理后的图像数据和标注后数据作为训练集数据；对初始深度学习网络模型进行训练，得到训练后的模型；保留训练完成后模型中的各个参数，并对图像进行识别。本发明可提取出更能表达图像本身特性的特征，减少误差。