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！
申请/专利权人：西南石油大学
摘要：本发明涉及基于领域自适应与生成对抗的页岩气含量预测方法，基于生成对抗网络，融合领域自适应提升模型的泛化能力。采用决策树算法针对模型的异常值以及缺失值做处理，保证数据的完善性。并利用格兰杰因果检验选取与所需预测的吸附气与游离气相关性最高的五种指标。针对本文研究问题，构建含注意力机制的特征提取网络，并且摒弃生成对抗网络的标签分类部分改为回归预测网络，同时加入梯度反转层优化域分类的损失函数，并且通过领域自适应构建拉近已知工区与未知工区的分布特征，提升模型的泛化能力，该模型可以推广用于针对未开发工区的页岩吸附气与游离气进行预测并对游吸比做评估，具有广泛的应用价值。
主权项：1.基于领域自适应与生成对抗的页岩气含量预测方法，其特征在于，包括以下步骤：S1：首先针对已开发与未开发的工区的测井资料数据进行缺失值处理，针对吸附气和游离气相关的指标有自然伽马，补偿密度，无铀伽马，孔隙度，声波时差等，使用随机森林法对缺失值作补充；S2：将处理得到后各种指标利用格兰杰因果检验验证其与所需预测的吸附气与游离气的相关性，分别选出与二者相关性最强的五种属性；S3：构建生成对抗网络中的前馈神经网络，也就是特征提取网络部分，通过该部分将新老工区的分布特征映射到高维空间；S4：去除生成对抗网络的标签预测部分，针对域分类器设计，使得与域分类器可以区分输入的源域与目标域的数据；S5：在生成对抗网络中加入回归预测网络，该部分用于针对对源域的含气性输出预测，利用MSE作为损失函数；S6：构建领域自适应网络，拉近在生成对抗网络中所得到高维特征，从而使得该预测网络可以泛化到未开工区；S7：在完成上述的步骤后，利用JS散度以及KL散度作为领域自适应网络的损失函数，用于刻画目标与与源域的分布差异。
全文数据：
权利要求：
百度查询： 西南石油大学 基于领域自适应与生成对抗的页岩气含量预测方法
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