公开(公告)号：CN117710743A

公开(公告)日：2024-03-15

申请号：CN202311764967.2

申请日：2023-12-19

Applicant: 西南石油大学

Inventor： 丁熊 ,  朱家伟 ,  宋毅 ,  何鑫洋 ,  张昆 ,  张本健 ,  杨曦冉 ,  张鑫哲 ,  徐忠凡

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于多阶深度学习法的深层固体沥青识别分类方法，步骤S1、获取取芯井测井数据、岩石薄片图像数据以及固体沥青反射率R，并对岩石薄片图像数据进行预处理，形成原始数据集；将原始数据集分为训练集和测试集；S2、计算深度学习值fi，然后根据固体沥青反射率R和深度学习值fi建立的固体沥青识别分类模型。S3、搭建神经网络模型，然后将训练集的数据作为输入层输入神经网络模型对模型进行训练。S4、将测试集数据输入训练后的神经网络模型中测试该模型的固体沥青识别准确率；S5、根据固体沥青识别分类模型来确定固体沥青类型。本发明通过神经网络算法完成固体沥青的识别，使得识别标准更加客观、真实、快速、准确。

公开(公告)号：CN113128477A

公开(公告)日：2021-07-16

申请号：CN202110537681.5

申请日：2021-05-18

Applicant: 西南石油大学

Inventor： 丁熊 ,  朱家伟 ,  杨曦冉 ,  何鑫洋 ,  张洋洋

IPC: G06K9/00 ,  G06K9/40 ,  G06K9/62 ,  G06N20/00

Abstract: 本发明公开了一种基于深度学习法的碎屑岩岩性识别方法及系统，包括：获取碎屑岩岩心薄片图像数据；将经过预处理的碎屑岩岩心薄片图像数据输入预先创建的LeNet‑5模型中，得到当前碎屑岩各个岩性的概率；根据最大概率来确定碎屑岩岩性。系统，包括：数据集建立模块，用于获取碎屑岩岩心图像数据；数据预处理模块，主要功能对数据集经行划分、数据增强、数据标识；数据识别模块，用于将预处理模块的数据输入预先创建的LeNet‑5模型中，输出各碎屑岩岩性的识别概率；岩性获取模块，用于确定最大概率对应的碎屑岩岩性。本发明优点是：提高碎屑岩岩性识别效率及准确率，减少投入成本，为油气地质勘探提供有益的地质依据。

公开(公告)号：CN113379256A

公开(公告)日：2021-09-10

申请号：CN202110663700.9

申请日：2021-06-16

Applicant: 西南石油大学

Inventor： 丁熊 ,  马铭阳 ,  朱家伟 ,  杨曦冉 ,  张洋洋 ,  何鑫洋

IPC: G06Q10/06 ,  G06K9/62 ,  G06N3/00 ,  G06Q50/02

Abstract: 本发明提供一种Kmeans‑随机森林的储层评价预测方法，通过Kmeans聚类完成储层评价分类标准的快速建立，避免了人为因素的影响，使得分类建立的标准更加客观真实，再通过随机森林集成算法将数据和分类标准进行模型建立和训练，随机森林集成算法是多个决策树的预测结果结合，比单个决策数更好的泛化能力，因此使得评价结果更加准确可靠。本发明解决了储层评价标准的问题以及储层评价效率的难题，通过对影响储层好坏因素的量化，利用无监督学习算法Kmeans和监督集成学习算法随机森林相结合，提高储层评价预测效率及准确率，减少投入成本，为石油勘探开发提供有利的地质依据和理论支撑。