-
公开(公告)号：CN112285776B
公开(公告)日：2021-07-13
申请号：CN202011149432.0
申请日：2020-10-23
Applicant: 中国矿业大学(北京)
Abstract: 本发明公开了一种基于深度学习的地震速度自动拾取方法，包括：获取地震数据与标签；将所述地震数据与所述标签输入到预先训练好的深度学习模型中，得到速度拾取结果；其中，深度学习模型的结构包括：三块残差块组成的残差网络；在残差网络后添加长短时记忆网络和全连接层；其中，每个残差块均由三层卷积层构成；各个残差块以及残差块各层之间的激活函数为Relu函数；长短时记忆网络和全连接层之间的激活函数为Relu函数。本发明提供的基于深度学习的地震速度自动拾取方法，有效提高了地震速度拾取的效率。
-
公开(公告)号：CN112990320A
公开(公告)日：2021-06-18
申请号：CN202110293957.X
申请日：2021-03-19
Applicant: 中国矿业大学(北京)
Abstract: 本申请提供了一种岩性的分类方法、装置、电子设备及存储介质，分类方法包括：获取目标深度的岩石的岩性信息，其中，所述岩性信息为所述目标深的度岩石的属性参数信息；将岩石的岩性信息输入训练好的多分类网络中的下采样层，得到岩石的岩性信息对应的岩石特征信息；将岩石特征信息顺次输入多分类网络中的上采样层和卷积层中，得到岩石的岩性信息对应的岩性类别。本申请通过将不同井深的岩性信息输入到训练好的多分类网络中的下采样层，得到对应的岩石特征信息，将岩石特征信息输入多分类网络中的上采样层和卷积层中，得到岩石的岩性类别，通过训练出的多分类网络对岩性信息进行识别，得到岩性类别，可以提高对岩性信息进行岩性分类的准确率。
-
公开(公告)号：CN112305617A
公开(公告)日：2021-02-02
申请号：CN202011206686.1
申请日：2020-11-02
Applicant: 中国矿业大学(北京) , 中联煤层气有限责任公司
Abstract: 本发明提供了一种含煤岩系非常规气储层地球物理识别方法及装置，涉及非常规气储层地球物理勘探的技术领域，包括：通过储层物性综合识别方式对储层进行物性识别，得到储层的目标物理参数；通过储层地震地质识别方式对储层进行地质识别，得到储层的地质参数；通过储层岩性识别方式对储层进行岩性识别，得到储层的岩性识别结果；通过储层含气性识别方式对储层进行含气性识别，得到储层的含气性识别结果；将目标物理参数、地质参数、岩性识别结果和/或含气性识别结果确定为地球物理识别结果。本发明中的地球物理识别结果内容丰富，基于该内容丰富的地球物理识别结果可以提高对储层富集区预测的精度以及准确性。
-
公开(公告)号：CN117633512B
公开(公告)日：2025-01-24
申请号：CN202311654756.3
申请日：2023-12-05
Applicant: 中国矿业大学(北京)
IPC: G06F18/213 , G06F18/25 , G06F18/214 , G06N3/0464 , G06F18/243 , G06N20/20 , G06N3/048
Abstract: 本发明公开了一种基于一维卷积门控循环网络的储层孔隙度预测方法，涉及孔隙度预测技术领域，该方法包括线下部分和线上部分；其中线下部分包括：获取目标工区内井点处与储层参数相关的第一地震属性集；从第一地震属性集中获取最佳属性组合；将最佳属性组合作为输入，将最佳属性组合对应的孔隙度作为输出，对一维卷积门控循环网络模型进行训练；线上部分包括：获取目标工区内无井区域中与目标储层参数相关的第二地震属性集；根据最佳属性组合，从第二地震属性集中筛选出最终属性组合；将最终属性组合输入到训练好的一维卷积门控循环网络模型中，输出目标储层孔隙度；过该方法提高了对储层孔隙度的预测精度以及扩大了预测范围。
-
公开(公告)号：CN111178441A
公开(公告)日：2020-05-19
申请号：CN201911413844.8
申请日：2019-12-31
Applicant: 中国矿业大学(北京)
Abstract: 本发明公开了一种基于主成分分析与全连接神经网络的岩性识别方法，包括以下步骤：将待测试数据输入至PCA-FCNN模型中，通过所述PCA-FCNN模型处理后得到岩性识别结果；其中，所述PCA-FCNN模型的建立包括以下步骤：S1.训练样本的选择与归一化处理；以不同岩性特征测井曲线作为输入数据，从输入数据中选取数据作为训练样本，并将训练样本中的数据打乱顺序后进行归一化处理；S2.对归一化后的数据进行特征降维；对归一化后的数据通过主成分分析法进行特征降维，并根据降维后的结果选取n个主成分；S3.采用FCNN算法建立神经网络；根据主成分的个数，建立n层FCNN神经网络，其中前n-1层的激活函数设置为Relu函数，第n层采用softmax函数。本发明能够显著提高岩性识别的准确率。
-
Patent Agency Ranking
公开(公告)号：CN107345481A
公开(公告)日：2017-11-14
申请号：CN201710340793.5
申请日：2017-05-16
Applicant: 中国矿业大学(北京)
Abstract: 本发明公开了一种煤田测井曲线标准化方法，包括：通过频率直方图法对煤田测井曲线进行标准化。首先，对煤田工区的测井曲线进行分析，在煤田工区内测井中选取标准井；其次，在煤田工区内测井研究地层内选取标准层；然后，应用频率直方图法分析各测井数据；最后，利用标准化公式进行煤田测井曲线标准化；综上步骤后，得到标准化后测井曲线，为后续的反演等工作提供高质量的测井数据。
-
公开(公告)号：CN116246140B
公开(公告)日：2025-01-10
申请号：CN202310217482.5
申请日：2023-03-08
Applicant: 中国矿业大学(北京)
IPC: G06V10/80 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种融合Res‑50与CBAM的地震断层自动识别方法，以U‑Net网络为基础，在网络的编码层引入Res‑50残差块，当地震数据图像输入至该模块时，可大幅减少训练参数，加深网络并提高学习能力。在网络的解码层，引入了CBAM卷积注意力模块，该模块为地震数据特征图中的断层区域分配较高的权重，背景分配较低的权重，以协同学习地震数据图像中的断层细节信息，提高神经网络对图像中断层的关注度，进而提升网络识别断层的精度。
-
公开(公告)号：CN116246140A
公开(公告)日：2023-06-09
申请号：CN202310217482.5
申请日：2023-03-08
Applicant: 中国矿业大学(北京)
IPC: G06V10/80 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种融合Res‑50与CBAM的地震断层自动识别方法，以U‑Net网络为基础，在网络的编码层引入Res‑50残差块，当地震数据图像输入至该模块时，可大幅减少训练参数，加深网络并提高学习能力。在网络的解码层，引入了CBAM卷积注意力模块，该模块为地震数据特征图中的断层区域分配较高的权重，背景分配较低的权重，以协同学习地震数据图像中的断层细节信息，提高神经网络对图像中断层的关注度，进而提升网络识别断层的精度。
-
公开(公告)号：CN116203630A
公开(公告)日：2023-06-02
申请号：CN202211235608.3
申请日：2022-10-10
Applicant: 中国矿业大学(北京)
Abstract: 本发明提供了一种基于双遮挡的有利储层识别方法，包括：获取测井曲线，并对其进行异常值处理及标准化处理，并进行直方图分析，获得砂岩、泥岩、煤层和灰岩的直方图分布范围，对自然伽马测井曲线进行直方图分析，联合测井曲线与地震，进行波形指示反演，得到纵波波阻抗反演体，基于自然伽马测井曲线和叠后地震数据体，进行波形指示模拟，得到GR数据体，联合波形指示反演纵波组抗体，对GR数据体进行岩性遮挡处理，得到砂泥岩性体，获取孔隙度体，通过砂泥岩性体对孔隙度体进行遮挡，获得高孔隙度有利储集体。本发明提供的基于双遮挡的有利储层识别方法，提高了岩性预测效果的准确性，能够为致密气勘探提供可靠地质依据。
-
公开(公告)号：CN106772606A
公开(公告)日：2017-05-31
申请号：CN201710006085.8
申请日：2017-01-05
Applicant: 中国矿业大学(北京)
IPC: G01V1/30
CPC classification number: G01V1/30 , G01V2210/60
Abstract: 本发明提供一种对地裂缝进行识别的新方法，属于地球物理勘探领域，首先对原始地震数据做倾角滤波处理得到地裂缝增强滤波倾角数据体，人为拾取气烟囱和非气烟囱体训练样点，然后在两组拾取点集处提取多种地震属性并设计训练神经网络，将训练满意的神经网络应用于整个地震数据体得到气烟囱体。最终通过地震数据和气烟囱体的叠合显示的方法，达到识别并解释地裂缝的目的，本发明提高了利用地震资料解释地裂缝的精度。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.027 seconds)
