期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于Swin Transformer的地震相识别模型
被引量：
3
1
作者
硕良勋
李志轩
+2 位作者
柴变芳
王天意
郑晓东
《天然气工业》
EI
CAS
CSCD
北大核心
2024年第12期63-72,共10页
地震相识别是油气勘探开发过程中的一项重要技术,但该技术长期存在方法模型训练速度较慢、预测耗时、解释结果人为主观性较强,以及各层特征提取忽略多尺度特征等问题。为此,针对目前地震相识别精度不够且计算成本高的问题,构建了一个基...
地震相识别是油气勘探开发过程中的一项重要技术,但该技术长期存在方法模型训练速度较慢、预测耗时、解释结果人为主观性较强,以及各层特征提取忽略多尺度特征等问题。为此,针对目前地震相识别精度不够且计算成本高的问题,构建了一个基于Swin Transformer的地震相识别模型(Seismic Facies Identification based on Swin Transformer,SFI-ST),首先联合卷积神经网络,利用编码器和解码器不断捕捉地震相细节特征,然后采用两种不同的数据集测试并评估模型的有效性,同时考虑到数据集划分对模型的影响,针对不同划分比例进行性能分析对比,最后对模型进行了消融实验以及抗噪性分析。研究结果表明:①编码器使用的Swin Transformer模块具有较好的特征提取能力,基于较小移动窗口进行特征提取的策略保证模型更快地学习高分辨率地震剖面特征,在各移动窗口使用自注意力机制计算特征的方法保证模型在较大视野下更准确地提取局部特征;②Swin Transformer使用逐层特征融合的方式,在提升特征提取速度的同时保证模型获取更多尺度的特征;③融合Swin Transformer和卷积神经网络模块实现各层特征提取,增强了模型对轮廓、边缘的提取能力。结论认为:①SFI-ST模型应用于两工区数据上的平均交并比分别为73.2%和77.6%,相较于其他主流深度学习算法至少分别提升了10.7%和6.0%,SFI-ST模型运行时间分别为0.62 h和2.88 h,相较于其他主流深度学习算法至少减少了15.1%和24.2%;②SFI-ST模型一定程度上解决了现有地震相智能识别方法识别速度慢、精度低等问题,为地震相识别提供了新方法,在技术上助力了油气勘探开发进程。
展开更多
关键词
地震相识别
语义分割模型
Swin
Transformer
多尺度特征
油气藏预测
在线阅读
下载PDF
职称材料
基于混沌初始化和高斯变异的飞蛾火焰优化算法
被引量：
17
2
作者
刘倩
冯艳红
陈嶷瑛
《郑州大学学报（工学版）》
CAS
北大核心
2021年第3期53-58,共6页
针对飞蛾火焰优化算法(moth-flame optimization algorithm,MFO)在求解最优化问题时存在寻优精度低、易陷入局部最优等问题,提出一种基于混沌初始化和高斯变异的改进飞蛾火焰优化算法。首先,采用立方混沌映射对飞蛾种群进行初始化操作,...
针对飞蛾火焰优化算法(moth-flame optimization algorithm,MFO)在求解最优化问题时存在寻优精度低、易陷入局部最优等问题,提出一种基于混沌初始化和高斯变异的改进飞蛾火焰优化算法。首先,采用立方混沌映射对飞蛾种群进行初始化操作,使飞蛾更均匀地分布于搜索空间;其次,应用高斯变异对种群中少数较差个体进行扰动以增强算法跳出局部最优的能力;最后,通过阿基米德曲线扩大搜索范围,提高算法对未知领域的探索能力。在CEC14测试函数及21个可扩展Benchmark函数上进行了一系列实验,与标准飞蛾火焰优化算法、遗传算法、人工蜂群算法、粒子群算法、差分进化算法、花授粉算法和蝴蝶优化算法进行比较,结果表明,该算法能明显提高解的精度和算法的收敛速度。
展开更多
关键词
混沌初始化
高斯变异
阿基米德曲线
飞蛾火焰优化算法
群体智能
在线阅读
下载PDF
职称材料
题名
基于Swin Transformer的地震相识别模型
被引量：
3
1
作者
硕良勋
李志轩
柴变芳
王天意
郑晓东
机构
河北
地质大学信息
工程
学院
河北
地质大学地球科学学院
河北省智能传感物联网技术工程研究中心
出处
《天然气工业》
EI
CAS
CSCD
北大核心
2024年第12期63-72,共10页
基金
河北省重点研发计划项目“基于时空大数据及深度学习的地质灾害风险识别关键技术研究(编号:22375415D)”
河北省石家庄市科技局项目“融合频谱分析和深度学习的地震反射模式提取及地震解释研究”(编号:241790607A)。
文摘
地震相识别是油气勘探开发过程中的一项重要技术,但该技术长期存在方法模型训练速度较慢、预测耗时、解释结果人为主观性较强,以及各层特征提取忽略多尺度特征等问题。为此,针对目前地震相识别精度不够且计算成本高的问题,构建了一个基于Swin Transformer的地震相识别模型(Seismic Facies Identification based on Swin Transformer,SFI-ST),首先联合卷积神经网络,利用编码器和解码器不断捕捉地震相细节特征,然后采用两种不同的数据集测试并评估模型的有效性,同时考虑到数据集划分对模型的影响,针对不同划分比例进行性能分析对比,最后对模型进行了消融实验以及抗噪性分析。研究结果表明:①编码器使用的Swin Transformer模块具有较好的特征提取能力,基于较小移动窗口进行特征提取的策略保证模型更快地学习高分辨率地震剖面特征,在各移动窗口使用自注意力机制计算特征的方法保证模型在较大视野下更准确地提取局部特征;②Swin Transformer使用逐层特征融合的方式,在提升特征提取速度的同时保证模型获取更多尺度的特征;③融合Swin Transformer和卷积神经网络模块实现各层特征提取,增强了模型对轮廓、边缘的提取能力。结论认为:①SFI-ST模型应用于两工区数据上的平均交并比分别为73.2%和77.6%,相较于其他主流深度学习算法至少分别提升了10.7%和6.0%,SFI-ST模型运行时间分别为0.62 h和2.88 h,相较于其他主流深度学习算法至少减少了15.1%和24.2%;②SFI-ST模型一定程度上解决了现有地震相智能识别方法识别速度慢、精度低等问题,为地震相识别提供了新方法,在技术上助力了油气勘探开发进程。
关键词
地震相识别
语义分割模型
Swin
Transformer
多尺度特征
油气藏预测
Keywords
Seismic facies identification
Semantic segmentation model
Swin Transformer
Multi-scale features
Oil and gas reservoir prediction
分类号
TE19 [石油与天然气工程—油气勘探]
在线阅读
下载PDF
职称材料
题名
基于混沌初始化和高斯变异的飞蛾火焰优化算法
被引量：
17
2
作者
刘倩
冯艳红
陈嶷瑛
机构
河北
地质大学信息
工程
学院
河北
地质大学
河北省智能传感物联网技术工程研究中心
出处
《郑州大学学报（工学版）》
CAS
北大核心
2021年第3期53-58,共6页
基金
国家自然科学基金资助项目(61806069)。
文摘
针对飞蛾火焰优化算法(moth-flame optimization algorithm,MFO)在求解最优化问题时存在寻优精度低、易陷入局部最优等问题,提出一种基于混沌初始化和高斯变异的改进飞蛾火焰优化算法。首先,采用立方混沌映射对飞蛾种群进行初始化操作,使飞蛾更均匀地分布于搜索空间;其次,应用高斯变异对种群中少数较差个体进行扰动以增强算法跳出局部最优的能力;最后,通过阿基米德曲线扩大搜索范围,提高算法对未知领域的探索能力。在CEC14测试函数及21个可扩展Benchmark函数上进行了一系列实验,与标准飞蛾火焰优化算法、遗传算法、人工蜂群算法、粒子群算法、差分进化算法、花授粉算法和蝴蝶优化算法进行比较,结果表明,该算法能明显提高解的精度和算法的收敛速度。
关键词
混沌初始化
高斯变异
阿基米德曲线
飞蛾火焰优化算法
群体智能
Keywords
chaotic initialization
Gaussian mutation
Archimedes curve
moth-flame optimization algorithm
swarm intelligence
分类号
TP301 [自动化与计算机技术—计算机系统结构]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于Swin Transformer的地震相识别模型
硕良勋
李志轩
柴变芳
王天意
郑晓东
《天然气工业》
EI
CAS
CSCD
北大核心
2024
3
在线阅读
下载PDF
职称材料
2
基于混沌初始化和高斯变异的飞蛾火焰优化算法
刘倩
冯艳红
陈嶷瑛
《郑州大学学报（工学版）》
CAS
北大核心
2021
17
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
