公开(公告)号：CN116559945A

公开(公告)日：2023-08-08

申请号：CN202310521050.3

申请日：2023-05-10

Applicant: 中国石油大学(华东)

Inventor： 李克文 ,  肖媛 ,  黄宗超 ,  董明辉

IPC: G01V1/28 ,  G01V1/30 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/088 ,  G06N3/084

Abstract: 本发明公开了一种基于自注意力卷积自编码器的地震随机噪声压制方法，其特征在于，通过自注意力机制抽取原始图像中包含的特征信息，生成注意力权重矩阵来区分地震信号与噪声的不同特征，校准特征图中不同区域和通道对网络模型的关键程度，并施加不同的注意力，以避免信号重构时失真。模型以卷积网络作为编码器网络的核心，反卷积网络作为解码器网络的核心，鉴于地震数据的复杂性与特殊性，在编码和解码阶段使用了多尺度卷积模块提取地震数据特征。本发明利用合成地震数据对网络模型进行预训练，通过Adam优化器使梯度的一、二阶矩阵自适应调整学习率，使损失函数快速收敛，并使用野外地震数据对网络参数进行微调，从而加强模型的鲁棒性，使通过模型重构的数据更贴近目标数据的分布和特征，降低有效地震信号的损失，实现自动且高效的地震随机噪声压制，提升地震资料处理精确度。

公开(公告)号：CN114004337A

公开(公告)日：2022-02-01

申请号：CN202111273220.8

申请日：2021-10-29

Applicant: 中国石油大学(华东)

Inventor： 李克文 ,  杜苁聪 ,  黄宗超 ,  李潇

IPC: G06N3/04 ,  G06N3/08 ,  G06K9/62 ,  E21B47/00

Abstract: 本发明公开了基于共享损失和注意力网络的异常工况预警模型。以往的方法主要仅考虑总体准确率，而忽略了类不平衡问题，导致少数类分类出错率较高，实际上的异常工况检测效果不理想。本发明首次提出了基于共享损失和注意力网络来油井异常工况预警。模型利用CNN学习工况样本灰度图像的深度特征，BiGRU有效避免信息损失并加强CNN池化层特征的联系，注意力机制对隐藏状态加权计算以完成有效特征筛选。针对工况数据集不平衡的问题，提出正共享损失函数PSL，将异常数据(正类)划分为子类，每个子类都共享整个正类的损失，且给样本少的正类更高的权重。实验结果表明，本发明预测效果更佳，对于异常类和整体的预测都有较高的精度。