申请/专利权人：中国科学技术大学

申请日：2021-06-15

公开（公告）日：2024-04-02

公开（公告）号：CN113642698B

主分类号：G06N3/0455

分类号：G06N3/0455;G06N3/0464;G06N3/084;G06F18/2431;G06Q50/02;G06N3/048

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2021.11.30#实质审查的生效;2021.11.12#公开

摘要：本发明的一种地球物理测井智能解释方法、系统及存储介质，包括获取测井片段数据并进行预处理获得输入样本；建立并训练地球物理测井智能解释的神经网络模型；把处理好的输入样本输入到训练好的地球物理测井智能解释的网络网络模型中进行岩性、孔隙度、渗透率、泥质含量、含水饱和度、油气成分等地质信息识别。本发明设计一个像素增强的卷积模块来增强地球物理测井的微细节特征，这些特征与通过U‑Net网络提取的宏观语义特征融合在一起，构成了可以同时描述测井空间相关性和像素特异性的结合体。

主权项：1.一种地球物理测井智能解释方法，其特征在于：包括以下步骤：获取测井片段数据并进行预处理获得输入样本；建立并训练地球物理测井智能解释的神经网络模型；所述地球物理测井智能解释的神经网络模型包括地球物理测井分割网络SegLog，所述地球物理测井分割网络SegLog包括一个用于学习语义相似性的骨干U-Net模块和一个用于学习测井细节信息的像素增强卷积PEC模块；两个模块平行排列，保持其特征表示功能的一致性；然后，将每个模块的特征图结果沿通道维度聚合，以构成每个像素的特征表示；最后，这些同时描述宏语义信息和微细节信息的聚合特征表示被输送到到像素级预测器，以进行地质信息的预测；所述骨干U-Net模块是全卷积的编码器-解码器网络；其中编码器包括四个卷积块，每个卷积块都执行两个连续的一维卷积，内核大小为3，步长为2，每个卷积后都进行了批量归一化、ReLU激活和最大池化；解码器包括四个转置卷积块，每个转置卷积块由最近邻居实现上采样，然后进行内核大小为3的1D卷积、批处理归一化与ReLU激活；具有相同比例的编码器和解码器的特征图沿着通道维度连接在一起；所述像素增强卷积PEC模块给定输入样本首先通过全局统计池化对x的每个通道执行统计：分别执行3种统计：全局平均池化GAP以计算平均值，使用全局最大池化GMP获得最大值，以及全局协方差池化GCP以计算二阶统计量；这三个池化操作生成的特征的大小均为为1×1×N；对这些特征沿着纵向连接，所得的统计特征sx的大小为3×1×N，它描述了输入x的按通道的统计结果；然后，将sx每个通道中的统计信息融合；通过卷积，得到了像素增强的滤波器，公式为：fx＝δδsxTWsTWf＝δδWssxWf其中δ表示ReLU激活函数，而Ws和Wf是可学习的参数矩阵；像素增强型过滤器基于全局统计信息自动调整通道的权重，以服务于后续的像素增强；然后，使用深度卷积将输入x与像素增强滤波器进行卷积，以得到像素增强表示gx，公式为： 其中表示深度卷积；最后，用两个连续的1×1卷积处理gx，每个卷积随后进行批归一化和ReLU激活，以实现特征图的像素级通道融合，即：F＝δδgxW1W2其中F表示由PEC生成的特征图，W1和W2是1×1卷积的参数矩阵；把处理好的输入样本输入到训练好的地球物理测井智能解释的神经网络模型中进行地质信息的预测。

全文数据：

权利要求：

百度查询： 中国科学技术大学 地球物理测井智能解释方法、系统及存储介质

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