“曾星杰”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果10个，建议您升级VIP下载更多相关专利

[发明专利]一种基于深度学习的电成像测井图像裂缝分割方法及系统-CN202311180469.3在审
发明人：陈玙璠;王欣;王杨;蒋薇;王永生;曾星杰 -专利权人：西南石油大学
申请日： 2023-09-13 - 公布日： 2023-10-24 - 主分类号： G06T7/11 文献下载
摘要：本发明涉及一种基于深度学习的电成像测井图像裂缝分割方法及系统，属于电成像测井图像分割技术领域；解决了现有技术针对电成像测井图像无法获得精确的裂缝分割的问题；其技术方案是：首先改进Criminisi算法对电成像测井原始图像中的空白条带进行图像修复；接着构建以U型网络为生成器的生成对抗网络，结合双重注意力机制形成裂缝分割模型，并使用电成像测井修复图像数据集对裂缝分割模型进行训练，最后利用训练好的裂缝分割模型实现对电成像测井图像中裂缝的精确分割。本发明提出了一种新的基于深度学习的电成像测井图像裂缝分割方法及系统，能够自主训练获得裂缝分割图像，实现电成像测井图像裂缝的精细分割与提取，提升分割连续性与完整性。
一种基于深度学习成像测井图像裂缝分割方法系统

[发明专利]一种基于动态联邦学习的储层识别方法-CN202211556368.7在审
发明人：张卫山;陈炳阳;曾星杰;曹绍华;张宝宇 -专利权人：中国石油大学（华东）
申请日： 2022-12-06 - 公布日： 2023-05-02 - 主分类号： G01V1/40 文献下载
摘要：本发明提出一种基于动态联邦学习的储层识别方法，主要涉及深度学习，石油勘探领域。主要步骤包含：确定实验井，进行数据预处理；设计基于联邦学习的储层识别方法，以借助目标井所在区块的周边区块中的储层样本，来训练一个具有高泛化性的领域预训练模型；设计动态加权融合策略，以解决区块间地质差异显著的问题；设计基于重加权的储层类别均衡方案，以解决储层类别不均衡的问题，从而提高储层识别的效果。本发明针对目标区块储层样本不足，借助联邦学习方法，使用周边区块储层样本识别目标井中储层类别，并对联邦学习方法进行优化，实现有效的储层识别。
一种基于动态联邦学习识别方法

[发明专利]一种基于知识增强的井间小层对比方法-CN202211580321.4在审
发明人：张卫山;陈炳阳;曾星杰;袁江如;王艳鑫 -专利权人：中国石油大学（华东）
申请日： 2022-12-09 - 公布日： 2023-03-24 - 主分类号： G06F18/2415 文献下载
摘要：本发明提出一种基于知识增强的井间小层对比方法，主要涉及深度学习，石油勘探领域。主要步骤包含：随机切割地层样本实现样本扩充，并统一样本维度；设计知识增强策略，以缓解随着模型训练造成的特征衰减；设计动态平衡边际softmax识别地层样本边缘特征；设计双窗口共同滑动匹配策略，以防止地层交叉匹配。本发明针对地层样本标签不足，借助知识增强策略，对小样本学习方法进行优化，实现有效的井间小层对比。
一种基于知识增强井间小层对比方法

[发明专利]一种基于小样本学习的剩余油挖潜方法-CN202110624187.2有效
发明人：陈炳阳;张卫山;曾星杰;侯召祥;陈涛 -专利权人：中国石油大学（华东）
申请日： 2021-06-04 - 公布日： 2022-09-09 - 主分类号： G06Q50/02 文献下载
摘要：本发明提出一种基于小样本学习的剩余油挖潜方法，主要涉及深度学习，石油勘探领域。主要步骤包含：对获取的测井曲线数据进行预处理，并进行任务划分，设置支持集和查询集；设计基于小样本学习的地层划分方法，以识别单口井附近的含油储层，从而判断多口井的含油储层是否为同一地层，实现智能小层对比；设计三层循环的MAML(Model‑Agnostic Meta‑Learning)架构，解决井场间地质差异较大问题，根据地层划分所识别的油层，预测单口井附近的储集层的含油饱和度；设计基于度量学习的含油区块搜索方法，根据识别出的油层以及所预测出的该油层的含油饱和度，在横向储层中针对井网结构使用图神经网络进行特征相似度表征，进行剩余油挖潜相关研究。本发明针对地质数据样本量不足，借助小样本学习方法进行剩余油挖潜，并对元学习方法进行优化，实现有效的剩余油挖潜。
一种基于样本学习剩余挖潜方法

[发明专利]一种基于联邦元学习的罕见疾病分类方法-CN202210173273.0在审
发明人：张卫山;陈炳阳;陈雷鸣;曾星杰 -专利权人：中国石油大学（华东）
申请日： 2022-02-24 - 公布日： 2022-05-31 - 主分类号： G16H50/20 文献下载
摘要：本发明属于医疗领域，公开了一种基于联邦元学习的罕见疾病分类方法，包括：对本地医疗数据进行预处理，将常见疾病分为用于元模型训练的支持集和查询集，将罕见疾病分为测试集和验证集；基于强化分类的元学习方法，对支持集和查询集进行动态更新分类，得到训练后的元模型；以F分数对训练后的元模型动态筛选，并进行动态特征融合，得到更新后的全局模型；将更新后的全局模型参数下发给本地元模型初始化，开始下一轮训练；直至获取各个本地收敛的元模型，根据收敛后的元模型获取罕见疾病概率值。本发明将基于强化分类的元学习与基于动态融合策略的联邦学习应用于联邦元学习框架，有助于提高模型对于罕见疾病分类准确度和模型间的通信效率。
一种基于联邦学习罕见疾病分类方法

[发明专利]一种联邦学习的趋同式模型训练方法-CN202110391577.X在审
发明人：于泽沛;张卫山;曾星杰 -专利权人：中国石油大学（华东）
申请日： 2021-04-13 - 公布日： 2021-08-06 - 主分类号： G06N20/00 文献下载
摘要：本发明提出了一种联邦学习的趋同式模型训练方法，包括如下步骤：中心节点采集模型；中心节点模型分层融合；中心节点模型神经元冻结；模型下发至子节点；子节点模型训练并上传。中心节点获取到不同子节点的模型会具有不同的训练特征，为了使不同节点训练的深度神经网络对于非独立同分布数据能够得到同样的输出结果，对于子模型的各层神经元分步进行融合；为了提高模型鲁棒性，对模型中随机的神经元进行失活处理；得到的模型下发到子节点继续训练，并将训练后的模型再次重复之前步骤，直至收敛。
一种联邦学习趋同模型训练方法

[发明专利]一种基于元学习的故障检测方法-CN202110421388.2在审
发明人：陈炳阳;张卫山;曾星杰;侯召祥;陈涛 -专利权人：中国石油大学（华东）
申请日： 2021-04-20 - 公布日： 2021-07-09 - 主分类号： G06K9/62 文献下载
摘要：本发明提出一种基于元学习的故障检测方法，主要涉及深度学习、数据挖掘领域。主要步骤包含：数据预处理，针对MAML框架进行任务划分；将故障特征作为输入，进行特征映射；设计浅层Transformer，在内循环进行第一次梯度的更新；在外循环进行第二次梯度更新，完成模型的训练；对模型进行微调，实现对故障类型的识别；本发明针对故障数据样本量较少，难以用于机器学习方法进行模型设计，因此借助元学习的方法进行故障检测研究，更准确的对多类故障进行识别预测。
一种基于学习故障检测方法

[发明专利]一种动态融合时序与非时序特征的测井曲线生成方法-CN202110122884.8在审
发明人：陈炳阳;张卫山;曾星杰;侯召祥;陈涛 -专利权人：中国石油大学（华东）
申请日： 2021-01-29 - 公布日： 2021-06-04 - 主分类号： G06T11/20 文献下载
摘要：本发明提出一种动态融合时序与非时序特征的测井曲线生成方法，主要涉及地质资源勘探，深度学习，数据挖掘领域。主要步骤包含：利用LSTM(长短期记忆网络)、GRU(门控循序单元)模型分别提取测井曲线时序特征；利用CNN(卷积神经网络)、DNN(全连接神经网络)、XGBoost、SVR分别提取测井曲线的非时序特征；借助强化学习对模型进行动态融合，从而充分考虑测井曲线的时序特征与非时序特征；通过单一井内数据训练模型，借助井内完整测井曲线将该井其他残缺曲线进行补全；完全根据具有多条完整测井曲线的临井数据训练模型，借助实验井现存的完整曲线来生成缺少的测井曲线。本发明动态融合了测井曲线的时序与分时序特征，能更准确地对失真或缺失的测井曲线进行补全与生成。
一种动态融合时序特征测井曲线生成方法

[发明专利]基于强化学习与对抗生成网络的智能抽油机参数调整方法-CN201811265705.0在审
发明人：张卫山;徐龙;刘威;王新哲;曾星杰;赵宏伟;李兆桐;袁晓晨;房凯 -专利权人：中国石油大学（华东）
申请日： 2018-10-29 - 公布日： 2019-04-02 - 主分类号： G06F17/50 文献下载
摘要：本发明提出了一种基于强化学习与对抗生成网络的智能抽油机参数调整方法，采用深度学习以及强化学习相结合的方式。该算法根据采集到的采集各种油井参数(如三相电流、电压、示功图、冲程、冲次、油压、套压、温度、回压等数据)，以现有的对抽油机电参数的调整作为专家经验，通过对抗模仿学习，实现抽油机电参数的调整，实现一种实时的、动态的、无人值守的智能抽油机。
智能抽油机强化学习参数调整机电参数抽油对抗采集冲程油压三相电流无人值守油井参数专家经验动态的示功图回压算法套压网络模仿学习

[发明专利]基于自我学习机制的油田开发方案优化方法-CN201811285474.X在审
发明人：张卫山;徐龙;袁江如;李兆桐;房凯;冯志珍;高国樑;曾星杰;任鹏程 -专利权人：中国石油大学（华东）
申请日： 2018-10-30 - 公布日： 2019-04-02 - 主分类号： G06Q10/04 文献下载
摘要：本发明提出了一种基于自我学习机制的油田开发方案优化方法，其特征在于，神经网络油藏模拟模块、蒙特卡洛生产参数模拟模块、RNN结果推断训练模块和预测模块，包括以下步骤：在神经网络油藏模拟模块，通过历史数据训练神经，得到神经网络油藏模拟器步骤；在蒙特卡洛生产参数模拟模块，通过蒙特卡洛搜索树方法，进行生产过程中各种属性的模拟，通过对每一个属性变量模拟出不同的值，得到数万个开采方案；通过历史生产数据对RNN结果推断网络进行训练，得到一个开采方案推断器；将模拟产生的开采方案输入开采方案推断器中，返回最优开采方案。本方法利用神经网络模型去逼近未知的物理的过程，摆脱了油藏数值模拟简化建模公式的束缚，增加了准确率。同时，在训练速度方面得到了很大提高，能够在大量的开发方案中选择最优方案。
神经网络方案优化模拟模块生产参数油藏模拟油田开发自我学习推断器推断历史数据训练神经网络模型油藏数值模拟油藏模拟器生产过程生产数据属性变量训练模块预测模块搜索树准确率建模逼近神经束缚返回网络开发

1
共 10 条