Mar, 2024

基于钻探数据的岩体分类的机器学习方法比较研究

PDF
TL;DR通过自动将 MWD 数据转换为可操作的岩石工程指标，本研究利用大规模且地质多样化的数据集，探索传统机器学习和基于图像的深度学习方法，在真实的隧道工程环境中实现准确的岩体质量分类，提供决策支持及降低人工干预。
rock engineeringmeasure while drilling dataautomatic classificationmachine learninggeological challenges
发现论文，激发创造
  • 基于钻井数据的岩体无监督机器学习分类：数据驱动系统如何处理现有岩体分类系统的局限性？

    基于钻探数据开发的数据驱动系统在岩体分类中能够形成明确的岩体簇群，为未来的分类系统提供了潜力。

    May, 2024

  • 通过迁移学习从钻井岩芯图像中直接预测矿物含量

    利用机器学习，特别是卷积神经网络 (CNN)，从钻井岩心图像分析中评估岩性和矿物含量的潜力，并提供了全面的方法论，展示了 96.7% 的岩心分割分类准确率，并验证了该方法在矿物含量评估上与实验室检测结果相当。

    Mar, 2024

  • 水位深度估计的关键评估：机器学习中的挑战与机遇

    通过使用机器学习算法（XGBoost）和大量实际和代理的水位深度观测数据，本研究构建了三个 500 米分辨率的水位深度模拟模型，并与物理模型进行对比。结果表明，相比三个物理模型，机器学习模型更准确地预测北美大部分生态区未见的实际和代理观测值，但仍存在数据偏差和不可靠观测数据、物理模型方程错误以及机器学习模型过于灵活等问题。针对这些问题，本研究深入探讨了未来的研究方向，特别关注了机器学习在水位深度估计中的应用。

    Apr, 2024

  • 使用机器学习方法对复杂油藏进行早期地质勘探中的海陆数据进行专家独立的解释

    该研究旨在开发并应用一种自主方法，预测研究区域油气藏扩散的概率。该方法基于 3D 地震勘探数据和地质信息，实现了对地质地球物理数据的专家独立概括，并利用该概括通过假设检验和生成地质模型。

    Apr, 2023

  • 基于深度学习的地形分类和地面机器人滑动估计

    应用深度学习算法解决了地面移动机器人中的两个关键问题，并比较了传统机器学习方法和深度神经网络的性能表现以及体现网络结构的调参参数对于结果的影响。

    Jun, 2018

  • 通过利用航拍图像分析实现对爆破堆石中分离性的表征

    应用先进的图像分析方法，采用改进的 Unet 语义分割模型和基于扩展的后处理技术，成功地刻画了爆破岩石颗粒的细分离现象，并通过相对特征直径提供了岩石颗粒尺寸的空间异质性，为采石场管理中资源管理和运营决策提供了更好的信息。

    Jun, 2024

  • 利用无人机摄影测量和机器学习估算河流水面高程

    使用卷积神经网络估计无人机遥感获取影像的水域表面高程，并进行了改进，使用线性回归进一步提高准确度，将结果与现有方法进行了比较，得出了具有竞争力的结果。

    Jun, 2023

  • 基于仿真伪影的迁移学习方法的临床数据仓库中脑部 T1 加权 MRI 自动质量评估

    使用迁移学习方法，本研究提出了一种创新的方案，通过模拟图像伪影，自动进行临床数据仓库中三维梯度回波 T1 加权脑部 MRI 图像的质量控制，达到了优秀的识别质量差的 MRI 图像的结果，对中等质量的 MRI 图像也取得了令人满意的表现，为充分利用临床数据仓库中的 MRI 图像提供了有价值的工具。

    Jun, 2024

  • 钻孔电阻率测量的自动化机器学习

    该研究提出了一种基于得分函数的 DNN 体系结构搜索算法，以获得比参考 DNN 更小的准最优 DNN 以近似运算符，从而在训练和评估时需要更少的计算资源，同时提供与原始大型 DNN 相当的准确性。

    Jul, 2022

  • 内窥镜肾结石识别的度量学习方法

    本文提出了一种基于深度学习和度量学习的引导式深度度量学习方法，用于少样本、泛化和新类别识别，实现对肾结石碎片形态学多视图的自动识别。

    Jul, 2023