一种油藏动态分析场景大模型构建方法

    公开(公告)号:CN118780284B

    公开(公告)日:2025-02-28

    申请号:CN202410918203.2

    申请日:2024-07-10

    Abstract: 本发明涉及油藏动态分析技术领域,具体公开了一种油藏动态分析场景大模型构建方法,将石油工程专业词汇添加至Chinese‑Alpaca‑2.0‑13B基础模型中,预训练并合并Low‑RankAdaptation补丁得到新模型,对拓展词表后的分词器做增量训练,采用Low‑RankAdaptation方法对模型中的权重参数进行更新,基于油田特定的实际需求得到三种精调模型,对Chinese‑Alpaca‑2.0‑13B进行进一步的指令精调和子系统耦合,最终得到油藏动态分析场景大模型。依托行业大模型融合油藏静态资料、动态数据查询和计算结果的信息,实现分析建议功能,首次将人工智能大模型初步应用到油藏动态分析领域,为大模型在油藏动态分析中的运用提供了可靠的技术方案。

    一种土壤气挥发性有机污染物的被动采集装置及方法

    公开(公告)号:CN103913354A

    公开(公告)日:2014-07-09

    申请号:CN201410165406.5

    申请日:2014-04-23

    Abstract: 本发明公开了一种土壤气中挥发性有机污染物的被动采集装置及方法。被动采集装置,包括PVC管和PUF气膜,PUF气膜上添加有效能参考物,并固定安装在PVC管内;PVC管上端密封下端开口,且管壁四周分布有小孔使下端进入的气流流通到管外。PVC管上端可以采用铝箔密封。还可以采用两片相同的且添加有效能参考物的PUF气膜固定安装在PVC管内。使用时将所述的被动采集装置开口向下垂直放入土壤之中,回填密实;采集周期为大于或等于12周后回收。在PUF气膜上添加DCs解决了土壤气的采集速率问题,便于计算土壤气中有机污染物的浓度,同时也避免环境因素(如土壤温度、土壤湿度等)对采集装置的影响。

    基于多特征融合神经网络的CCS快速模拟方法

    公开(公告)号:CN119989922A

    公开(公告)日:2025-05-13

    申请号:CN202510174251.X

    申请日:2025-02-18

    Abstract: 本发明涉及碳捕集与封存(CCS)模拟技术领域,具体提供一种基于多特征融合神经网络的CCS快速模拟方法;该方法构建了一种融合型U神经网络(U‑Net)与傅里叶神经算子(FNO)的U‑FNO网络,提高CO2地质封存过程中压力场与饱和度场在长时间序列上的预测精度;同时,采用基于变压器编码器(Transformer Encoders,TE)的产量序列预测网络,将U‑FNO网络的输出端直接连接至TE网络的输入端,实现从地质参数和井控曲线到压力与饱和度场时序分布及对应产量曲线的直接预测;该方法有效克服了现有CCS模拟技术难以同时处理多特征输入与输出的问题,提升了CO2封存速率对储层安全性影响的预测效率,可为CCS工程优化与历史拟合提供高效可靠的智能模拟工具。

    轻量化Transformer架构遥感目标检测方法

    公开(公告)号:CN118608963A

    公开(公告)日:2024-09-06

    申请号:CN202410750325.5

    申请日:2024-06-12

    Abstract: 本发明公开一种轻量化Transformer架构遥感目标检测方法、存储介质、设备,涉及深度强化学习技术领域,方法包括:以Transformer的目标检测模型DINO为基础,构建遥感目标检测模型;遥感目标检测模型由主干网络、Transformer编码器、Transformer解码器、检测头四个部分组成,采用Resnet50作为遥感目标检测模型的主干网络;将遥感目标检测模型作为深度强化学习的环境、剪枝率作为深度强化学习的动作,构建深度强化学习问题;基于深度强化学习训练智能体,在资源受限与精度优先场景下,搜索遥感目标检测模型各层的剪枝策略;根据遥感目标检测模型神经元的权值判别神经元的重要性,去除重要性低于设定阈值的神经元,得到轻量化模型。本发明方法的参数量与计算量较小,可以部署于资源受限的边缘设备。

    一种基于知识蒸馏的轻量化遥感影像语义分割方法及装置

    公开(公告)号:CN116740344A

    公开(公告)日:2023-09-12

    申请号:CN202310604507.7

    申请日:2023-05-23

    Abstract: 本发明公开了一种基于知识蒸馏的轻量化遥感影像语义分割方法,包括:构建包括一个提取局部空间特征的分支CNN、一个提取全局空间特征的分支Transformer、融合局部空间特征和全局空间特征的特征融合模块以及对融合特征进行解码的解码器的网络;将ResNet50和SegFormer‑B3替换CNN和Transformer,得到教师网络;将ResNet18和SegFormer‑B0替换CNN和Transformer,得到学生网络;构建基于动态温度的融合特征蒸馏模块,来联合训练学生网络和教师网络,动态搜索温度参数,在特征层面使用结构化蒸馏方法,使学生网络在训练期间关注教师网络融合特征中每个通道的特征表示,得到基于知识蒸馏的轻量化遥感影像语义分割模型。使用本发明的方案,在降低遥感影像语义分割精度损失的情况下,实现了模型轻量化。

    一种基于多任务学习的海面风场空间降尺度方法及系统

    公开(公告)号:CN116595366A

    公开(公告)日:2023-08-15

    申请号:CN202310532240.5

    申请日:2023-05-11

    Abstract: 本发明公开了一种基于多任务学习的海面风场空间降尺度方法,包括以下步骤:获取海面风场数据的训练数据集和验证数据集;构建包含生成器网络和判别器网络两部分的生成对抗网络;构建降采样网络,降采样网络实现生成器网络任务的回归任务,将两个任务组成一对对偶任务,并组合成对偶学习网络;构建辅助任务网络,将辅助任务网络与海面风场空间降尺度的生成器网络连接,构成多任务学习的海面风场空间降尺度网络,并利用训练数据集进行训练优化,使用验证数据集对训练好的网络进行测试。通过以上方法,获取高精度、高分辨率的海面风场数据。

Patent Agency Ranking