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！

龙图腾网获悉中国科学技术大学申请的专利一种半监督域适应岩性模型构建方法与系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120336992B 。

龙图腾网通过国家知识产权局官网在2025-12-30发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411801698.7，技术领域涉及：G06F18/2413；该发明授权一种半监督域适应岩性模型构建方法与系统是由康宇;李婧;梁德文;昌吉;吕文君设计研发完成，并于2024-12-09向国家知识产权局提交的专利申请。

本一种半监督域适应岩性模型构建方法与系统在说明书摘要公布了：本发明涉及岩性识别技术领域，公开了一种半监督域适应岩性模型构建方法与系统，岩性预测模型构建及训练过程包括：将已解释井的有标签测井数据作为源域数据，将目标井的部分有标签测井数据以及无标签测井数据作为目标域数据；构建阈值动态调整的半监督域适应岩性预测模型，岩性预测模型包括特征提取器、域判别器、针对每个岩性类别设计的类级别的域内判别器、独立判别器和标签分类器；通过域间对抗、域内对抗、动态阈值调整、源域数据重加权对岩性预测模型进行训练；本发明在特征空间中实现了显著的对齐效果，有效减少了不同井位间的数据分布差异，同时大幅改善了各岩性类别的识别准确度。

本发明授权一种半监督域适应岩性模型构建方法与系统在权利要求书中公布了：1.一种半监督域适应岩性模型构建方法，其特征在于，通过完成训练的岩性预测模型对储层的岩性进行识别，所述岩性预测模型构建及训练过程包括以下步骤： 步骤一，将已解释井的有标签测井数据作为源域数据，将目标井的部分有标签测井数据以及无标签测井数据作为目标域数据；源域数据和目标域数据的概率分布不同；有标签测井数据包括由测井曲线向量构造的1D图像样本以及对应岩性类别标签；无标签测井数据包括所述1D图像样本；测井曲线向量由不同类型的测井曲线在某一特定深度上的测量值组成； 步骤二，构建阈值动态调整的半监督域适应岩性预测模型，岩性预测模型包括特征提取器F、域判别器、针对每个岩性类别设计的类级别的域内判别器、独立判别器和标签分类器C；通过域间对抗、域内对抗、动态阈值调整、源域数据重加权对岩性预测模型进行训练； 通过融合通道注意力机制的卷积神经网络搭建特征提取器，所述域间对抗通过特征提取器将不同井位的测井数据映射到统一的特征空间来提取域不变特征，并构建域判别器的损失和标签分类器的损失； 所述域内对抗通过融合标签分类器预测置信度的域内判别器，降低目标域内的有标签测井数据和无标签测井数据的分布差异，并构造域内判别器的损失； 所述动态阈值利用岩性预测模型的预测结果定义并调整每个岩性类别的置信度阈值，从而优化无标签测井数据的伪标签选择，并构建学习损失； 源域数据重加权：通过基于源域数据贡献的动态权重分配机制，给源域数据赋予不同权重，来定量指示各源域数据在知识迁移过程中的重要程度，根据得到的权重对和进行更新，得到标签分类器加权损失和判别器加权损失；具体包括：预训练一个独立域判别器，将测井数据样本的原始特征和对应的标签同时输入独立判别器，来预测1D图像样本的域标签：；和分别表示源域数据的联合分布和目标域数据的联合分布，分别表示源域特征空间和源域标签空间，分别表示目标域特征空间和目标域标签空间；通过概率密度比反映不同域之间的无偏估计，结合预测得到的测井数据样本的域标签，为每个源域的有标签测井数据分配权重；为源域有标签测井数据对知识迁移的贡献进行加权，来计算标签分类器加权损失和判别器加权损失； ；是源域数据集中源域数据的数量，表示交叉熵损失；为目标域的有标签数据集； ； 表示目标域数据集中的测井数据的数量； 岩性预测模型的总体损失为： ； 其中，超参数、、和在每一个损失项中起权衡作用。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国科学技术大学，其通讯地址为：230026 安徽省合肥市包河区金寨路96号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。