-
公开(公告)号：CN110443569A
公开(公告)日：2019-11-12
申请号：CN201910621217.7
申请日：2019-07-10
Applicant: 中国地质大学(武汉)
Abstract: 本发明提供了一种基于智能化批处理的矿产勘查项目管理系统，包括通知公告、过程管理、项目信息和人员信息四个模块，在过程管理模块的各个单元中实现了多个专家智能批量分发的需求，该管理系统使项目管理人员在面对大量勘查项目的时候能够更直观、明了地理解当前各个勘查项目论证、评审、立项、野外实施、验收、结题等工作的进展情况，针对各级负责人，及时进行项目的管理审批工作，同时通过实现多个专家批量分发功能，有助于管理人员高效完成所有项目的有序管理，以便对后期的勘查工作做出及时有效的决策。本发明的有益效果是：提高了勘查项目管理效率，极大地节省了管理成本。
-
公开(公告)号：CN116861309A
公开(公告)日：2023-10-10
申请号：CN202310805728.0
申请日：2023-07-03
Applicant: 中国地质大学(武汉)
IPC: G06F18/241 , G06F18/2111 , G06F18/214 , G06F17/18 , G06N3/126 , G06N7/02 , G06N20/20 , E21B47/00 , E21B49/00
Abstract: 本发明涉及一种基于地层隶属度与CMNSGA2特征选择的岩性识别方法，属于机器学习领域。本发明提供的基于地层隶属度与CMNSGA2特征选择的岩性识别方法通过地层隶属度函数，对勘查工作中的测井数据中难以细分的砂与砂岩数据进行分类，作为特征选择的数据基础；在NSGA2多目标特征选择的基础上，对于交叉算子与变异算子进行改进，本发明能够为测井数据的岩性分类问题提供一种精度更高，时间成本更低的解决方案，为测井数据得进一步研究分析与利用提供了保障。
-
公开(公告)号：CN118835983A
公开(公告)日：2024-10-25
申请号：CN202410800850.3
申请日：2024-06-20
Applicant: 中国地质大学(武汉)
IPC: E21B47/00 , G06F18/2137 , G06F18/214 , G06F18/22 , G06F18/23 , G06N3/042 , G06N3/088 , G06N5/022 , G06N5/045 , E21B41/00
Abstract: 本发明提供了一种融合先验知识与自组织映射神经网络的测井分层方法，涉及机器学习领域，分析研究区域实际地质背景，获取研究区域的测井数据并进行预处理，构建试验数据集；提取测井领域知识得到经验性知识和原理性知识，构成测井领域先验知识集合；将先验知识融合进自组织映射神经网络中，建立自组织映射神经网络模型；根据模型输出的分层结果，完成可视化工作，有助于更直观地理解不同测井数据对分层的贡献以及自组织映射神经网络模型的输出，并从实际地质角度分析验证分层结果合理性。本发明的有益效果是：能够为测井数据的分层问题提供一种准确新更高，成本更低的解决方案，为对测井数据的进一步研究分析与利用提供了保障。
-
Patent Agency Ranking
公开(公告)号：CN118606637A
公开(公告)日：2024-09-06
申请号：CN202410732117.2
申请日：2024-06-06
Applicant: 中国地质大学(武汉)
IPC: G06F18/15 , G06N3/0499 , G06N3/08 , G06F17/16
Abstract: 本发明涉及一种基于DWGAT的空间域测井数据缺失值的填补方法，属于测井数据缺失填补技术领域。本发明提供的一种基于DWGAT的空间域测井数据缺失值的填补方法，依据测井数据空间性特点，首先设计测井数据图表征构建，采用优化改进的Delaunay三角剖分算法构建出更合理的测井数据图，为后续模型训练提供了数据集成；其次充分考虑测井数据所具有的空间性，融入距离权重信息来改进传统的图注意力机制，使其对所要解决的测井数据缺失值填补问题更有效；最后由于测井数据非线性特点，在模型的图注意力层中加入MLP神经网络，提高了模型的对测井数据的表征能力。本发明能够从空间域角度解决测井数据缺失值问题，提供一种精度更高的填补解决方案，为测井数据得完整性与稳定性提供了保障。
-
公开(公告)号：CN111914478A
公开(公告)日：2020-11-10
申请号：CN202010632667.9
申请日：2020-07-02
Applicant: 中国地质大学(武汉)
Abstract: 本发明提供了一种综合地质钻孔测井岩性识别方法，该方法对钻孔测井数据进行精化处理，得到精化数据集，包括对钻孔测井数据进行缺失值填补、均衡处理、数据集归一化处理；根据t-SNE算法对精化数据集进行降维处理，根据PSO算法对BP神经网络进行改进、优化，得到网络最优初始化权值和阈值，并建立网络模型，利用建立的网络模型对降维数据集进行训练学习，该方法通过对钻孔测井数据进行精化处理，解决了获取的钻孔测井数据缺失、数据集不均衡、训练数据不在统一量纲范围而造成最终识别率过低的问题，且再根据t-SNE算法对钻孔测井数据集进行降维处理，从而简化数据，再通过PSO算法对现有技术中的常用BP神经网络进行优化，提升了识别准确率高和识别速率。
-
公开(公告)号：CN118520275A
公开(公告)日：2024-08-20
申请号：CN202410698832.9
申请日：2024-05-31
Applicant: 中国地质大学(武汉) , 贵州省地质矿产勘查开发局一〇三地质大队
IPC: G06F18/213 , G06F18/2415 , G06F18/2431 , G06F18/214 , G06N3/047 , G06N3/08
Abstract: 本发明公开了一种融合带噪学习和局部分类器的测井数据岩性识别方法，属于深度学习技术领域。该方法包括以下步骤：测井数据训练集预处理；构建预训练模型；确定易混淆岩性组合；构建优化局部分类器模型；建立融合带噪学习优化局部分类器模型；岩性识别。本发明采用上述的一种融合带噪学习和局部分类器的测井数据岩性识别方法，有助于矿产勘查领域测井数据的数据区分，提高了机器学习算法在地矿领域中测井岩性识别的准确率与识别效率，有效解决了岩性识别中相似岩性难以区分和岩性标签标注不明确的问题。
-
公开(公告)号：CN111881684A
公开(公告)日：2020-11-03
申请号：CN202010633442.5
申请日：2020-07-02
Applicant: 中国地质大学(武汉)
IPC: G06F40/295 , G01D21/02
Abstract: 本发明提供了一种基于移动终端的野外数据智能化采集方法，该方法针对传统野外数据采集危险性大、采集仪器多和数据整理繁琐的问题，提出建立地理围栏并实时方位进行比对，若实时方位不在地理围栏的规定范围内，则通过网络发送预警信息到移动终端的技术方案来保障人员安全，通过移动终端处理器来对照个人地学专业词库将语音数据转换成文字数据；根据基于关联分析的语义补充方法判断出文本中缺失信息并进行补充，将补充后形成的项目数据存入本地数据库和记录表中，对移动终端采集的项目数据进行合并，再通过网络发送至远程服务器且保存备份技术方案；来解决野外数据录入方式繁琐和数据传输实时性低的问题。
-
公开(公告)号：CN116863217A
公开(公告)日：2023-10-10
申请号：CN202310805725.7
申请日：2023-07-03
Applicant: 中国地质大学(武汉)
IPC: G06V10/764 , G06V10/26 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06N3/096
Abstract: 本发明涉及一种野外露头岩石图像岩性识别方法，属于岩性识别领域。本发明提供的一种野外露头岩石图像岩性识别方法通过PascalVOC数据集的基本文件结构和目标检测评价标准，使用LabelImg工具建立了岩石目标检测数据集；基于Faster‑RCNN的岩石目标检测算法，以ResNet50网络作为前置分类网络，进行迁移学习；设计加权公式实现自动化脚本实现批量裁剪最优检测目标，制作高质量野外露头岩石岩性识别图像数据集；设计实现多尺度卷积岩性识别模型，本发明能够为野外露头岩石图像岩性识别问题提供一种精度更高，时间成本更低的解决方案，为岩性识别得进一步研究分析与利用提供了保障。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.026 seconds)
