-
公开(公告)号：CN118837946A
公开(公告)日：2024-10-25
申请号：CN202411154293.9
申请日：2024-08-22
Applicant: 东北石油大学三亚海洋油气研究院 , 中油奥博(成都)科技有限公司
IPC: G01V1/28 , G06F30/23 , G06T17/05 , G06F111/10 , G06F119/14
Abstract: 本发明公开了一种微地震的定位方法、装置、设备及介质，涉及地震勘探技术领域，包括：根据地质勘探数据获得的地下结构数据，使用地质建模软件构建地质模型；并结合地下压裂作业获得的水力压裂参数，使用数值模拟软件模拟地下应力场；根据部署的微地震监测网络获取的微地震数据，使用模拟的地下应力场变化，作为边界条件对微地震进行地下空间位置的定位。本发明能够精确定位微地震在地下的深度位置。
-
公开(公告)号：CN118884525A
公开(公告)日：2024-11-01
申请号：CN202411376561.1
申请日：2024-09-30
Applicant: 东北石油大学三亚海洋油气研究院
IPC: G01V1/28 , G01V1/32 , G06F18/2131 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06F18/25
Abstract: 本发明公开了一种基于TX‑FK域信息的微地震初至智能拾取方法，涉及地球物理技术领域，包括：对微地震数据进行处理获得TX域数据，基于所述TX域数据获得FK域数据；构建组合U‑net模型，所述组合U‑net模型用于微地震初至智能拾取；基于所述TX域数据和所述FK域数据训练所述组合U‑net模型，获得训练好的组合U‑net模型；将待拾取的微地震数据经过处理后输入所述训练好的组合U‑net模型，获得输出结果，对所述输出结果进行处理获得拾取结果，完成微地震初至拾取。本发明具有较好的抗噪能力，能够在低信噪比情况下拾取得到具有较高精度的微地震初至信息。
-
公开(公告)号：CN118566979B
公开(公告)日：2024-10-18
申请号：CN202411018115.3
申请日：2024-07-29
Applicant: 东北石油大学三亚海洋油气研究院
Abstract: 本发明公开了一种用于获得地下介质弹性参数的黏弹性介质地震AVO反演方法，涉及地球物理技术领域，包括：基于褶积模型理论构建用于黏弹性介质AVO反演的GANs模型；获得地球物理数据，根据所述地球物理数据划分出训练样本数据和角度叠加地震数据；通过所述训练样本数据对所述用于黏弹性介质AVO反演的GANs模型进行训练，获得训练好的用于黏弹性介质AVO反演的GANs模型；将所述角度叠加地震数据输入所述训练好的用于黏弹性介质AVO反演的GANs模型，获得反演参数。本发明利用多目标函数控制网络模型超参数的优化，提高弹性参数反演精度。
-
公开(公告)号：CN118837946B
公开(公告)日：2025-04-08
申请号：CN202411154293.9
申请日：2024-08-22
Applicant: 东北石油大学三亚海洋油气研究院 , 中油奥博(成都)科技有限公司
IPC: G01V1/28 , G06F30/23 , G06T17/05 , G06F111/10 , G06F119/14
Abstract: 本发明公开了一种微地震的定位方法、装置、设备及介质，涉及地震勘探技术领域，包括：根据地质勘探数据获得的地下结构数据，使用地质建模软件构建地质模型；并结合地下压裂作业获得的水力压裂参数，使用数值模拟软件模拟地下应力场；根据部署的微地震监测网络获取的微地震数据，使用模拟的地下应力场变化，作为边界条件对微地震进行地下空间位置的定位。本发明能够精确定位微地震在地下的深度位置。
-
公开(公告)号：CN118778119B
公开(公告)日：2024-11-15
申请号：CN202411267142.4
申请日：2024-09-11
Applicant: 东北石油大学三亚海洋油气研究院
IPC: G01V1/36 , G01V1/28 , G06F18/10 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06F18/213
Abstract: 本发明公开了一种基于Swin Transformer和扩散模型的地震面波与随机噪声压制方法，涉及地球科学技术与人工智能交叉技术领域，包括：获得混合噪声地震数据集及预处理后的混合噪声地震数据集；输入训练好的初始去噪模型，获得去噪后的地震数据集，基于预处理后的混合噪声地震数据集和去噪后的地震数据集，获得混合噪声估计数据集；将混合噪声估计数据集拟合到高斯分布，将混合噪声估计数据集与扩散模型的前向过程中某时刻状态相匹配获得含噪地震数据，将含噪地震数据表示到去噪链中获得估计噪声分布；利用扩散模型的反向过程对匹配后的某时刻状态学习估计噪声分布，并训练获得去噪模型，基于所述去噪模型获得去噪后的地震数据。
-
Patent Agency Ranking
公开(公告)号：CN118778119A
公开(公告)日：2024-10-15
申请号：CN202411267142.4
申请日：2024-09-11
Applicant: 东北石油大学三亚海洋油气研究院
IPC: G01V1/36 , G01V1/28 , G06F18/10 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06F18/213
Abstract: 本发明公开了一种基于Swin Transformer和扩散模型的地震面波与随机噪声压制方法，涉及地球科学技术与人工智能交叉技术领域，包括：获得混合噪声地震数据集及预处理后的混合噪声地震数据集；输入训练好的初始去噪模型，获得去噪后的地震数据集，基于预处理后的混合噪声地震数据集和去噪后的地震数据集，获得混合噪声估计数据集；将混合噪声估计数据集拟合到高斯分布，将混合噪声估计数据集与扩散模型的前向过程中某时刻状态相匹配获得含噪地震数据，将含噪地震数据表示到去噪链中获得估计噪声分布；利用扩散模型的反向过程对匹配后的某时刻状态学习估计噪声分布，并训练获得去噪模型，基于所述去噪模型获得去噪后的地震数据。
-
公开(公告)号：CN118625382A
公开(公告)日：2024-09-10
申请号：CN202411110634.2
申请日：2024-08-14
Applicant: 东北石油大学三亚海洋油气研究院
Abstract: 本发明公开了一种用于获得页岩油藏弹性参数的VTI介质数据驱动地震AVO反演方法，属于地球物理技术领域，包括以下步骤：基于Transformer网络和卷积神经网络，构建TransU‑net模型；对井旁道叠前地震数据进行叠加，获得角度叠加地震数据构成样本输入；对测井数据进行增广处理，构成样本输出；基于样本输入和样本输出构成训练样本，基于训练样本对TransU‑net模型进行训练；基于训练后的TransU‑net模型获得反演弹性参数和各向异性参数。本发明可缓解反演对低频各向异性参数和以各向异性参数为样本输出的训练样本的依赖，提高页岩油藏弹性参数反演精度。
-
公开(公告)号：CN118566979A
公开(公告)日：2024-08-30
申请号：CN202411018115.3
申请日：2024-07-29
Applicant: 东北石油大学三亚海洋油气研究院
Abstract: 本发明公开了一种用于获得地下介质弹性参数的黏弹性介质地震AVO反演方法，涉及地球物理技术领域，包括：基于褶积模型理论构建用于黏弹性介质AVO反演的GANs模型；获得地球物理数据，根据所述地球物理数据划分出训练样本数据和角度叠加地震数据；通过所述训练样本数据对所述用于黏弹性介质AVO反演的GANs模型进行训练，获得训练好的用于黏弹性介质AVO反演的GANs模型；将所述角度叠加地震数据输入所述训练好的用于黏弹性介质AVO反演的GANs模型，获得反演参数。本发明利用多目标函数控制网络模型超参数的优化，提高弹性参数反演精度。
-
公开(公告)号：CN119126214B
公开(公告)日：2025-01-10
申请号：CN202411612818.9
申请日：2024-11-13
Applicant: 东北石油大学三亚海洋油气研究院
IPC: G01V1/28
Abstract: 本发明公开了一种纵波、转换波叠前地震数据智能匹配方法，属于勘探地球物理领域，该方法包括以下步骤：对真实纵波地震数据和真实转换波地震数据进行预处理得到标准转换波地震数据和纵波时间域的真实转换波地震数据；将所述纵波时间域的真实转换波地震数据进行分段处理得到分段转换波地震数据；构建神经网络模型，将所述分段转换波地震数据的端点时间向量输入所述神经网络模型得到调整时间后的转换波地震数据；基于所述标准转换波地震数据和调整时间后的转换波地震数据更新所述神经网络模型参数得到最终的转换波地震数据。
-
公开(公告)号：CN117647837B
公开(公告)日：2024-04-09
申请号：CN202410108831.4
申请日：2024-01-26
Applicant: 东北石油大学三亚海洋油气研究院
IPC: G01V1/28
Abstract: 本发明公开一种地震数据的初至拾取方法、系统及计算机设备，涉及地震监测技术领域，该方法包括：采集地震数据；使用自动初至拾取算法对地震数据中地震信号的初至时刻进行初步的拾取，生成训练样本集；对初至拾取算法拾取的初至时刻进行人工校正，生成验证样本集；利用训练样本集和验证样本集分别制作出噪声标签和干净标签，生成元学习数据集；根据元学习数据集的特征设计相应的深度神经网络模型；基于元学习的双循环训练方法，使用元学习数据集对深度神经网络模型进行迭代训练；利用训练后的深度神经网络模型对地震数据进行初至拾取；通过内外双循环训练方法和在线梯度更新方法，提高了数据驱动方法的精度和成本效益。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.032 seconds)
