-
公开(公告)号：CN111368710B
公开(公告)日：2022-03-04
申请号：CN202010134754.1
申请日：2020-02-27
Applicant: 东北石油大学
Abstract: 本发明属于地球科学技术领域，具体涉及一种联合深度学习的地震数据随机噪声压制方法，该方法的步骤为1、训练数据集预处理；2、样本标签准备；3、设计联合学习模型G的网络结构；4、设计损失函数；5、训练并保存网络模型；6、测试网络模型性能。通过波原子变换对地震数据波前纹理特征进行有效地稀疏表示，获取波原子域地震数据的纹理特征；将含噪声地震数据作为输入，波原子域数据和实际不含噪声数据的特征作为标签，构建空间域与波原子域联合深度学习网络结构。通过联合学习的方案解决地震数据特征提取不充分的问题，提高噪声压制效果。将空间域和波原子域的特征相结合，利用空间域与波原子域联合深度学习技术去除地震数据随机噪声。
-
公开(公告)号：CN111368680B
公开(公告)日：2022-03-15
申请号：CN202010122492.7
申请日：2020-02-27
Applicant: 东北石油大学
Abstract: 本发明属于地球科学技术领域，具体涉及一种基于波原子变换的深度学习抗假频地震数据规则化方法，该方法的步骤为1、训练数据集准备；2、波原子域样本标签准备；3、网络输入与标签设定；4、深度学习网络模型G结构设定；5、损失函数设定；6、网络模型训练；7、地震数据规则化测试。根据地震数据在波原子域的良好分布特征，建立空间域和波原子域联合学习深度卷积神经网络模型，结合空间域和波原子域的特征对地震数据进行规则化，模型的训练评判指标采用空间域、波原子域误差以及f‑k域误差联合约束规则化误差，反馈调整网络参数，提高地震数据规则化网络模型的精度与泛化能力。
-
公开(公告)号：CN110298803A
公开(公告)日：2019-10-01
申请号：CN201910596515.5
申请日：2019-07-03
Applicant: 东北石油大学
Abstract: 本发明涉及的是一种基于压缩感知的图像条带噪声去除方法，它包括：步骤一、建立包含条带噪声图像的观测矩阵；步骤二、建立包含条带噪声图像Curvelet域的稀疏表示方法；步骤三、建立条带噪声去除正则化问题最优化的求解算法，去除条带噪声，得到去除条带噪声的图像。本发明在条带噪声去除过程，提出的凸投影和滤波操作交替进行的指数阈值收缩迭代算法，在迭代初期快速阈值收缩，加速噪声的去除；在迭代后期减缓阈值收缩，加强图像细节信息保留，能充分利用Curvelet域稀疏表示性能与压缩感知的优势，提高去噪效果。
-
公开(公告)号：CN110298803B
公开(公告)日：2023-03-24
申请号：CN201910596515.5
申请日：2019-07-03
Applicant: 东北石油大学
Abstract: 本发明涉及的是一种基于压缩感知的图像条带噪声去除方法，它包括：步骤一、建立包含条带噪声图像的观测矩阵；步骤二、建立包含条带噪声图像Curvelet域的稀疏表示方法；步骤三、建立条带噪声去除正则化问题最优化的求解算法，去除条带噪声，得到去除条带噪声的图像。本发明在条带噪声去除过程，提出的凸投影和滤波操作交替进行的指数阈值收缩迭代算法，在迭代初期快速阈值收缩，加速噪声的去除；在迭代后期减缓阈值收缩，加强图像细节信息保留，能充分利用Curvelet域稀疏表示性能与压缩感知的优势，提高去噪效果。
-
公开(公告)号：CN111368680A
公开(公告)日：2020-07-03
申请号：CN202010122492.7
申请日：2020-02-27
Applicant: 东北石油大学
Abstract: 本发明属于地球科学技术领域，具体涉及一种基于波原子变换的深度学习抗假频地震数据规则化方法，该方法的步骤为1、训练数据集准备；2、波原子域样本标签准备；3、网络输入与标签设定；4、深度学习网络模型G结构设定；5、损失函数设定；6、网络模型训练；7、地震数据规则化测试。根据地震数据在波原子域的良好分布特征，建立空间域和波原子域联合学习深度卷积神经网络模型，结合空间域和波原子域的特征对地震数据进行规则化，模型的训练评判指标采用空间域、波原子域误差以及f-k域误差联合约束规则化误差，反馈调整网络参数，提高地震数据规则化网络模型的精度与泛化能力。
-
Patent Agency Ranking
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
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：CN114065595A
公开(公告)日：2022-02-18
申请号：CN202111501938.8
申请日：2021-12-09
Applicant: 东北石油大学
IPC: G06F30/23 , G06F30/27 , G01V1/36 , G06N3/04 , G06N3/08 , G06F111/10 , G06F111/04
Abstract: 本发明涉及的是基于稀疏约束空‑频域联合学习的波场数值频散压制方法，它包括:训练数据集预处理；样本标签准备；卷积核稀疏化准备；设计联合学习模型G的网络结构；设计损失函数；训练并保存网络模型；测试网络模型性能。通过傅立叶变换将波场数据变换至频率域，获得频域波场的纹理特征；将用低价有限差分法对波动方程进行求解所得到的高频散波场数据作为输入，高阶有限差分法所得到的无频散的空域与频域特征作为标签；构建空间域与频率域联合深度学习网络结构；利用波场数据的稀疏性引入稀疏约束对卷积核进行稀疏化，本发明充分利用波场特征，有效压制数值频散问题，得到高精度、高质量的波场数据。
-
公开(公告)号：CN111368710A
公开(公告)日：2020-07-03
申请号：CN202010134754.1
申请日：2020-02-27
Applicant: 东北石油大学
Abstract: 本发明属于地球科学技术领域，具体涉及一种联合深度学习的地震数据随机噪声压制方法，该方法的步骤为1、训练数据集预处理；2、样本标签准备；3、设计联合学习模型G的网络结构；4、设计损失函数；5、训练并保存网络模型；6、测试网络模型性能。通过波原子变换对地震数据波前纹理特征进行有效地稀疏表示，获取波原子域地震数据的纹理特征；将含噪声地震数据作为输入，波原子域数据和实际不含噪声数据的特征作为标签，构建空间域与波原子域联合深度学习网络结构。通过联合学习的方案解决地震数据特征提取不充分的问题，提高噪声压制效果。将空间域和波原子域的特征相结合，利用空间域与波原子域联合深度学习技术去除地震数据随机噪声。
-
公开(公告)号：CN202562863U
公开(公告)日：2012-11-28
申请号：CN201220222821.6
申请日：2012-05-18
Applicant: 东北石油大学
IPC: G01N23/04
Abstract: 一种输油管道焊缝探伤智能检测系统。主要解决现有的焊接领域中对X光片取样后的信息采用人工判断检测，精度差和效率低的问题。其特征在于：所述焊缝探伤图像采集模块内包含X射线发射器和图像接收器以实现将X射线焊缝探伤采集成数字探伤图像；由所述焊缝探伤图像采集模块输出的探伤图像信号通过USB接口转换成数字信号后输入到所述边缘提取与检测DSP芯片内以实现DSP处理；所述DSP芯片与ARM微控制器相连，所述ARM微控制器分别通过USB接口与存储设备相连，通过有线和无线网络接口与网络设备相连接。所述检测系统能够提高X射线焊缝探伤检测效率，促使评片结果趋于规范和一致。
-
公开(公告)号：CN202584254U
公开(公告)日：2012-12-05
申请号：CN201220179556.8
申请日：2012-04-25
Applicant: 东北石油大学
IPC: G07C9/00
Abstract: 本实用新型涉及的是一种小区出入车辆自动记录系统，这种小区出入车辆自动记录系统包括CCD数字摄像头、主机，主机中安装有车牌图像采集模块、DSP图像处理器、车牌号码提取模块、ARM微控制器、车牌号码存储模块、通信模块，车牌图像采集模块连接DSP图像处理器，DSP图像处理器连接ARM微控制器，ARM微控制器分别与车牌号码存储模块、通信模块连接；主机外壳上设置有显示屏、USB接口、无线网络接口；CCD数字摄像头与主机通过数据线连接。本实用新型对小区出入车辆牌照自动识别与记录，把小区内部居民车辆与外来车辆自动分类，对历史记录进行合理化的自动统计与分析，能加强居民小区内汽车进出情况的掌握，提高小区管理水平。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.042 seconds)
