检索结果-南通市图书馆

Irregularly sampled seismic data interpolation via wavelet-based convolutional block attention deep learning

Artificial Intelligence in Geosciences 2022年第1期3卷 192-202页

作者： Yihuai Lou Lukun Wu Lin liu Kai Yu naihao liu Zhiguo Wang Wei Wang Center for Hypergravity Experimental and Interdisciplinary Research Zhejiang UniversityHangzhouZhejiang 310058China MOE Key Laboratory of Soft Soils and Geoenvironmental Engineering College of Civil Engineering and ArchitectureZhejiang UniversityHangzhouZhejiang 310058China School of Software Engineering Xi’an Jiaotong UniversityXi’anShaanxi 710049China Petrochina CBM Company Limited Beijing 100028China Capiticalonline Data Service Co. LTDBeijing 100012China School of Information and Communications Engineering Xi’an Jiaotong UniversityXi’anShaanxi 710049China School of Mathematics and Statistics Xi’an Jiaotong UniversityXi’anShaanxi 710049China PowerChina Huadong Engineering Corporation Limited HangzhouZhejiang 310014China

Seismic data interpolation,especially irregularly sampled data interpolation,is a critical task for seismic processing and subsequent ***,with the development of machine learning and deep learning,convolutional neural networks(CNNs)are applied for interpolating irregularly sampled seismic *** based approaches can address the apparent defects of traditional interpolation methods,such as the low computational efficiency and the difficulty on parameters ***,current CNN based methods only consider the temporal and spatial features of irregularly sampled seismic data,which fail to consider the frequency features of seismic data,i.e.,the multi-scale *** overcome these drawbacks,we propose a wavelet-based convolutional block attention deep learning(W-CBADL)network for irregularly sampled seismic data *** firstly introduce the discrete wavelet transform(DWT)and the inverse wavelet transform(IWT)to the commonly used U-Net by considering the multi-scale features of irregularly sampled seismic ***,we propose to adopt the convolutional block attention module(CBAM)to precisely restore sampled seismic traces,which could apply the attention to both channel and spatial ***,we adopt the proposed W-CBADL model to synthetic and pre-stack field data to evaluate its validity and *** results demonstrate that the proposed W-CBADL model could reconstruct irregularly sampled seismic data more effectively and more efficiently than the state-of-the-art contrastive CNN based models.

关键词： Irregularly sampled seismic data reconstruction Deep learning U-Net Discrete wavelet transform Convolutional block attention module

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

Automated stratigraphic correlation of well logs using Attention Based Dense Network

引用

Artificial Intelligence in Geosciences 2023年第1期4卷 128-136页

作者： Yang Yang Jingyu Wang Zhuo Li naihao liu Rongchang liu Jinghuai Gao Tao Wei School of Information and Communications Engineering Xi’an Jiaotong UniversityXi’anShaanxi 710049China School of Software Engineering Xi’an Jiaotong UniversityXi’anShaanxi 710049China PetroChina Research Institute of Petroleum Exploration and Development(RIPED) CNPCBeijing 100083China Research Institute of Exploration and Development Yumen Oilfield CompanyCNPCJiuquanGansu 735019China

The stratigraphic correlation of well logs plays an essential role in characterizing subsurface ***,it suffers from a small amount of training data and expensive computing *** this work,we propose the Attention Based Dense Network(ASDNet)for the stratigraphic correlation of well *** implement the suggested model,we first employ the attention mechanism to the input well logs,which can effectively generate the weighted well logs to serve for further feature ***,the DenseNet is utilized to achieve good feature reuse and avoid gradient *** model training,we employ the ASDNet to the testing data set and evaluate its performance based on the well log data set from Northwest ***,the numerical results demonstrate that the suggested ASDNet provides higher prediction accuracy for automated stratigraphic correlation of well logs than state-of-the-art contrastive UNet and SegNet.

关键词： Automated stratigraphic correlation Attention Based Dense Network Densely connected convolutional network Squeeze and Excitation Block

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

Sparse inversion-based seismic random noise attenuation via self-paced learning

引用

Artificial Intelligence in Geosciences 2021年第1期2卷 223-233页

作者： Yang Yang Zhiguo Wang Jinghuai Gao naihao liu Zhen Li The School of Information and Communications Engineering Xi'an Jiaotong UniversityXi'anShaanxi710049China National Engineering Laboratory for Offshore Oil Exploration Xi'an Jiaotong UniversityXi'anShaanxi710049China The School of Mathematics and Statistics Xi'an Jiaotong UniversityXi'anShaanxi710049China

Seismic random noise reduction is an important task in seismic data processing at the Chinese loess plateau area,which benefits the geologic structure interpretation and further reservoir *** sparse inversion is one of the widely used tools for seismic random noise reduction,which is often solved via the sparse approximation with a regularization *** ℓ_(1) norm and total variation(TV)regularization term are two commonly used regularization ***,the ℓ_(1) norm is only a relaxation of the ℓ_(O) norm,which cannot always provide a sparse *** TV regularization term may provide unexpected staircase *** avoid these disadvantages,we proposed a workflow for seismic random noise reduction by using the self-paced learning(SPL)scheme and a sparse representation(*** continuous wavelet transform,CWT)with a mixed norm regularization,which includes the ℓ_(P) norm and the TV *** the implementation,the SPL,which is inspired by human cognitive learning,is introduced to avoid the bad minima of the non-convex cost *** SPL can first select the high signal-to-noise ratio(SNR)seismic data and then gradually select the low SNR seismic data into the proposed ***,the generalized Beta wavelet(GBW)is adopted as the basic wavelet of the CWT to better match for seismic wavelets and then obtain a more localized time-frequency(TF)*** should be noted that the GBW can easily constitute a tight frame,which saves the calculation *** and field data examples are adopted to demonstrate the effectiveness of the proposed workflow for effectively suppressing seismic random noises and accurately preserving valid seismic reflections.

关键词： seismic reservoir loess

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

基于电流变化量相似性的海上风电场交流送出线路纵联保护

引用

电力系统保护与控制 2023年第9期51卷 65-75页

作者：刘乃皓高厚磊徐彬彭放山东大学电气工程学院山东济南250061

交流送出线路是海上风电经柔直并网的重要组成部分。该线路故障时,呈现出明显区别同步机电源的故障特征,使得传统纵联保护难以满足可靠性与灵敏性的要求。结合故障后交流送出线路两侧电流变化量的特点,提出一种利用电流变化量相似性的... 详细信息

交流送出线路是海上风电经柔直并网的重要组成部分。该线路故障时,呈现出明显区别同步机电源的故障特征,使得传统纵联保护难以满足可靠性与灵敏性的要求。结合故障后交流送出线路两侧电流变化量的特点,提出一种利用电流变化量相似性的纵联保护原理。以Kendall算法为基础,对交流送出线路内、外部故障时风场侧与柔直侧电流变化量的相关性进行定性分析,提出基于线路两侧电流变化量相关系数的保护判据。利用EMTP-RV仿真软件搭建了海上风电柔直并网系统模型。通过对故障类型、过渡电阻、分布电容、噪声、采样频率、数据窗长以及控制策略的仿真分析,验证了该方法的有效性与可行性。

关键词：大规模海上风电场电流变化量 Kendall相关系数纵联保护交流送出线路

来源：

维普期刊数据库

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

经柔性高压直流输电并网的海上风电送出线路拟功率和、差波形比较式纵联保护

引用

电力自动化设备 2024年第8期44卷 62-69页

作者：刘乃皓高厚磊徐彬彭放袁通山东大学电气工程学院山东济南250061

经柔性高压直流输电并网的海上风电送出线路在故障情况下呈现出的两端电流存在较大相角差等故障特性导致传统纵联保护面临不能正确动作的风险。根据电路中的拟功率定理,分别利用线路两端故障前后电压、电流瞬时值列写拟功率表达式,并对... 详细信息

经柔性高压直流输电并网的海上风电送出线路在故障情况下呈现出的两端电流存在较大相角差等故障特性导致传统纵联保护面临不能正确动作的风险。根据电路中的拟功率定理,分别利用线路两端故障前后电压、电流瞬时值列写拟功率表达式,并对两表达式进行求和与作差运算,得到拟功率和与拟功率差。分析表明,发生区内故障时,两者波形相似性高,波形接近完全重合;发生区外故障时,两者含有成分不同,相似性较差,据此形成拟功率和、差波形比较式纵联保护的保护判据。利用EMTP-RV软件搭建经柔性高压直流输电并网的海上风电场模型,对不同故障类型、过渡电阻、噪声、数据窗长、控制方式、同步误差进行仿真验证,理论分析与仿真结果表明所提保护方法具有较强的适应性。

关键词：海上风电场拟功率和拟功率差肯德尔相关系数相似性送出线路继电保护

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

改进的整体嵌套边缘检测地震断层识别技术

引用

石油地球物理勘探 2022年第3期57卷 499-509,I0001页

作者：刘乃豪李时桢黄腾高静怀丁继才王治国中海油研究总院有限责任公司北京100028 西安交通大学信息与通信工程学院陕西西安710049 西安交通大学人工智能学院陕西西安710049 西安交通大学数学与统计学院陕西西安710049

断层解释的精度和效率对油气藏的勘探与开发非常重要。传统的断层解释方法多以人工为主,其依赖解释人员的经验且耗时较长;常规自动断层解释方法主要是分析地震数据的不连续性,往往涉及多个参数,因而断层解释精度多依赖选取的参数。近年... 详细信息

断层解释的精度和效率对油气藏的勘探与开发非常重要。传统的断层解释方法多以人工为主,其依赖解释人员的经验且耗时较长;常规自动断层解释方法主要是分析地震数据的不连续性,往往涉及多个参数,因而断层解释精度多依赖选取的参数。近年来,随着深度学习技术的发展,非线性卷积神经网络能够描述地震数据中的不连续特征。为此,引入深度学习中的边缘检测技术,即整体嵌套边缘检测(Holistically-Nested Edge Detection, HED)网络,并根据地震数据和断层特点对网络结构进行改进和优化,提出适用于地震断层智能解释的改进HED(Improved HED,IHED)网络。主要步骤包括:(1)将原始二维HED网络推广至三维,搭建三维HED网络;(2)根据HED网络的多尺度特点,调整三维HED网络构架;(3)利用三维合成地震数据及其标签数据训练得到三维IHED模型,将该模型用于实际地震数据进行断层智能解释。与相干体算法和U-Net模型相比,三维IHED模型对断层预测的准确性更高,连续性更好。该方法为地震断层智能识别提供了一条可靠途径。

关键词：整体嵌套边缘检测深度学习断层智能解释卷积神经网络 U-Net

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

K_(1)峭度约束的地震频域反褶积方法研究

引用

地球物理学报 2024年第8期67卷 3109-3119页

作者：杨阳王治国魏千盛王竟仪刘乃豪张兵高静怀西安交通大学信息与通信工程学院西安710049 西安交通大学数学与统计学院西安710049 中国石油长庆油田分公司第三采气厂鄂尔多斯017000

由于鄂尔多斯盆地近地表地形复杂多变,且地震波存在地层吸收等效应,导致采集到的地震资料品质较差,主频较低,纵向分辨率较差.频域反褶积方法是提高鄂尔多斯盆地地震资料分辨率的一项关键技术.目前,峭度是频域反褶积最常用的非高斯性度量... 详细信息

由于鄂尔多斯盆地近地表地形复杂多变,且地震波存在地层吸收等效应,导致采集到的地震资料品质较差,主频较低,纵向分辨率较差.频域反褶积方法是提高鄂尔多斯盆地地震资料分辨率的一项关键技术.目前,峭度是频域反褶积最常用的非高斯性度量.但是由于实际地层反射系数序列呈现尖峰、长尾分布,传统的峭度定义难以准确度量实际反射系数序列的非高斯性.与传统的峭度不同,K_1峭度能够充分利用概率密度的峰值信息来指示随机变量的非高斯性.因此,本文提出一种基于K_1峭度度量的地震频域反褶积方法,从而能够更加准确地判断反射系数序列的非高斯性.同时引入了定义于频率域上的两参数广义Beta母小波,可以使得本文所提方法能够更好匹配不同地震子波.最后,合成地震数据和鄂尔多斯盆地实际地震数据算例说明:本文所提的方法能够有效的提升低品质地震数据的纵向分辨率,尤其是多个相邻的细小反射系数.井震匹配结果进一步验证了本文所提的方法将原始地震数据的主频从25 Hz提升到35 Hz,有效地识别出多个含气薄储层,从而有利于后续的井位部署优化.

关键词：高分辨率处理地震反褶积峭度非高斯性

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

频率矫正广义S变换及在储层含油气性预测中的应用

引用

地球物理学报 2024年第7期67卷 2820-2829页

作者：刘乃豪魏圣焘张泽洲杨阳王治国刘镕菖路漫高静怀西安交通大学信息与通信工程学院西安710049 西安交通大学数学与统计学院西安710049 中国石油勘探开发研究院北京100083 中国石油大学(北京)地球科学学院北京102249

随着我国油气勘探程度的不断加深,陆相页岩油气等非常规油气逐渐成为我国勘探开发的重点,陆相页岩非均质性强、储层薄且纵横向变化剧烈等典型特征导致含油气性预测精度差,影响后续井位部署和生产等.时频变换方法是储层含油气性预测最有... 详细信息

随着我国油气勘探程度的不断加深,陆相页岩油气等非常规油气逐渐成为我国勘探开发的重点,陆相页岩非均质性强、储层薄且纵横向变化剧烈等典型特征导致含油气性预测精度差,影响后续井位部署和生产等.时频变换方法是储层含油气性预测最有效的工具.为了提高储层含油气性预测的精度,本文提出了一种频率矫正广义S变换(Frequency-Corrected Generalized S-Transform, FCGST),该变换既具有S变换多尺度多分辨率的特性,又可以通过自适应选取窗函数参数以控制窗函数的带宽和主频等,这一特性可以适用于不同工区地震数据的处理与解释.与传统的S变换和广义S变换不同,该变换修正了传统S变换和广义S变换中的尺度因子,改善了S变换和广义S变换等传统方法中时频谱主频向高频方向偏移的问题,有利于精确描述复杂储层含油气性.合成数据算例表明,频率矫正广义S变换提升了地震信号局部时频特征的表征能力;将频率矫正广义S变换应用于鄂尔多斯盆地某工区储层含油气性预测中,实钻结果数据进一步验证了该时频分析方法在储层含油气性解释中的有效性和潜力.

关键词：时频分析广义S变换频率矫正广义S变换储层含油气性预测

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于ResU-Net的三维断层识别方法及应用

引用

工程数学学报 2023年第1期40卷 1-19页

作者：何涛刘乃豪吴帮玉李博朱旭郑浩西安交通大学数学与统计学院西安710049 中石化石油物探技术研究院有限公司南京211103 西安交通大学电子与信息工程学院西安710049

断层刻画了地层的边界位置,地震成像数据中反射层的不连续性可作为断层解释的主要依据。深度神经网络的强非线性性质可作为地震数据中断层不连续特征表达的有力工具,断层识别问题可视作一个像素级别的二分类问题,并使用深度学习方法对... 详细信息

断层刻画了地层的边界位置,地震成像数据中反射层的不连续性可作为断层解释的主要依据。深度神经网络的强非线性性质可作为地震数据中断层不连续特征表达的有力工具,断层识别问题可视作一个像素级别的二分类问题,并使用深度学习方法对此问题进行建模求解。据此可给出一种端到端的基于深度学习网络的三维断层自动识别方法。首先利用地震子波与反射系数卷积合成多组三维地震数据,建立用于深度网络学习断层特征的样本数据,随后搭建网络进行训练,网络训练完成后应用于实际地震数据。鉴于残差模块可很好地提升网络泛化性能,所提出的将残差网络中的残差块结构引入U-Net中的方法,可用于提升通过合成数据样本训练得到的网络模型在训练数据之外,即实际地震数据上的断层识别性能。所建立网络用于断层解释时,输入为叠后三维地震数据,输出为相同维度的三维数据体,其中每一输出值代表输入三维地震数据相同位置处断层的概率。实际算例对比测试表明,此方法可对三维地震数据中的断层进行有效识别,在合成数据集上训练精度相差不大的前提下,引入残差模块的ResU-Net在实际地震数据上的断层识别泛化性能得到提升。

关键词：断层识别残差模块 ResU-Net 合成训练样本泛化性能

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

网络信息安全与防范策略研究

引用

互联网天地 2016年第9期 23-25页

作者：佟敏张传博刘乃豪吉林吉大通信设计院股份有限公司长春130012 吉林大学通信工程学院长春130012

随着网络的高速发展和普及,网络安全问题逐渐得到重视。首先介绍了影响网络信息安全的主要原因和常见的网络安全问题,基于此,提出了保护网络信息安全的措施。

关键词：网络信息安全防范策略网络技术

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：