申请/专利权人：电子科技大学

申请日：2022-06-29

公开（公告）日：2022-09-09

公开（公告）号：CN115034115A

主分类号：G06F30/23

分类号：G06F30/23;G06F30/18;G06F30/27;G06K9/00;G06K9/62;G06N3/04;G06N3/08;G06F111/08;G06F111/10;G06F113/14

优先权：

专利状态码：在审-实质审查的生效

法律状态：2022.09.30#实质审查的生效;2022.09.09#公开

摘要：本发明公开了一种使用深度学习在套管井中提取第三反射界面超声回波弱信号的方法，所述方法采用有限差分时域方法模拟训练数据，运用数据增强策略，集成有注意力机制的时域卷积网络，有效的预测实际刻度井的数据；本方法利用离散梯度下降算法获取最短的旅行时路径作为A0（反对称兰姆波）和TIE（第三界面反射回波）的到时，并将获取的A0和TIE到时信息做直角坐标到极坐标变换操作，获得井筒三维可视化结果，为评价固井质量提供有力的保障。

主权项：1.一种使用深度学习在套管井中提取第三反射界面超声回波弱信号的方法，其特征在于，包括：步骤S1：采用有限差分时域方法模拟训练数据；步骤S2：做数据增强处理，增加模型的鲁棒性；步骤S3：基于时域卷积网络分离套管井反对称兰姆波、套管反射波和第三界面反射回波模式波，编码器对原始数据做升维操作，分离器提取不同模式波的高维特征，解码器根据分离器得到的高维特征重建时域波形；步骤S4：使用L1范数做网络的代价函数，并通过注意力机制让网络着重于弱信号的提取；步骤S5：设计主动学习指标，使模拟数据上训练的模型对实际刻度井数据进行预测；步骤S6：将分离后的波形数据做插值、转换操作，得到伪速度图像；利用最短路径算法在伪速度图像上获取反对称兰姆波和第三界面反射回波最短路径信息，将最短路径信息映射为反对称兰姆波和第三界面反射回波到时信息；步骤S7：根据拾取的到时信息做井筒三维可视化结果。

全文数据：

权利要求：

百度查询： 电子科技大学 一种使用深度学习在套管井中提取第三反射界面超声回波弱信号的方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD