龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
摘要：本发明涉及石油和天然气中的油气开发技术领域，公开了基于图像处理算法与机器学习算法的试井解释方法及系统，根据油气藏类型选择对应的试井解释图版；将试井解释图版中每一根曲线分别生成一个图像，并将图像转换为灰度图像，进行二值化处理，构建无量纲压力数据集合和无量纲压力导数数据集合，并按曲线顺序生成标签数据集合；并生成扩展后的扰动数据集，并加入标签；通过训练函数训练模型，得到训练后的处理压力数据的模型和处理导数数据的模型；获取离散数据，进行转换后使用训练好的模型进行预测，计算拟合程度并排序，选择最匹配的试井解释曲线，计算出对应的储层参数。通过本发明，可以确保油气资源的高效、安全开采。
主权项：1.基于图像处理算法与机器学习算法的试井解释方法，其特征在于，包括如下步骤：步骤一，根据油气藏类型选择对应的试井解释图版，所述的试井解释图版包括多条无量纲压力曲线与无量纲压力导数曲线，且无量纲压力曲线与无量纲压力导数曲线一一对应；步骤二，将试井解释图版中每一根曲线分别生成一个图像，并将图像转换为灰度图像，进行二值化处理，提取出值为0的像素坐标点，并将像素坐标点标准化；保存标准化后的像素坐标点，构建无量纲压力数据集合和无量纲压力导数数据集合，并按曲线顺序生成标签数据集合；步骤三，通过无量纲压力数据集合和无量纲压力导数数据集合进行扩展，生成扩展后的扰动数据集，并加入标签；步骤四，通过图像转换函数，将扩展后的扰动数据集中的扰动数据转换为图像格式，并进行数据分割，分为训练集和测试集；步骤五，根据标签数量动态设置输出尺寸，构建卷积神经网络模型，得到处理压力数据的模型和处理导数数据的模型；通过训练函数训练模型，得到训练后的处理压力数据的模型和处理导数数据的模型；步骤六，获取离散数据，进行转换后使用训练好的模型进行预测，计算拟合程度并排序，选择最匹配的试井解释曲线，计算出对应的储层参数。
全文数据：
权利要求：
百度查询： 成都信息工程大学 基于图像处理算法与机器学习算法的试井解释方法及系统
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号