CN105044794A - 一种核磁共振回波数据的压缩方法及装置 - Google Patents
一种核磁共振回波数据的压缩方法及装置 Download PDFInfo
- Publication number
- CN105044794A CN105044794A CN201510359232.0A CN201510359232A CN105044794A CN 105044794 A CN105044794 A CN 105044794A CN 201510359232 A CN201510359232 A CN 201510359232A CN 105044794 A CN105044794 A CN 105044794A
- Authority
- CN
- China
- Prior art keywords
- matrix
- magnetic resonance
- nuclear magnetic
- echo data
- resonance echo
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明涉及一种核磁共振回波数据的压缩方法及装置,其中,压缩方法包括:获取待分析的核磁共振回波数据;利用所述核磁共振回波数据获取核磁共振回波数据的主成分;利用所述核磁共振回波数据的主成分构建压缩矩阵;利用所述压缩矩阵对所述核磁共振回波数据进行压缩。本技术方案可以有效的剔除原始回波数据中对表征地层特性贡献很小,甚至冗余的信息,在高压缩比条件下仍能保证原始数据的特征,在不失准确性的条件下有效的提高反演速度以及减少计算内存。
Description
技术领域
本发明涉及油气勘探中测井数据处理技术领域,特别涉及一种核磁共振回波数据的压缩方法及装置。
背景技术
核磁共振测井要采集成百上千的回波数据。对大量的回波数据进行反演,需要非常大的计算机内存,而且计算的速度很慢。而这大量的回波数据中包含许多对表征地层属性贡献很小、甚至冗余的信息。尤其是二维以及多维核磁共振技术在识别储层流体中的应用,使得核磁共振测井采集到的回波串数据更加庞大,如果不进行数据压缩,直接对大量的回波数据进行反演,不但需要非常大的计算机内存,而且会严重影响计算速度。所以在对采集到的回波数据反演之前,需要进行数据压缩。目前,核磁共振回波数据的压缩方法主要有:窗口平均法,奇异值截断法,窗口平均与奇异值截断联合法。
窗口平均法是将回波数据分隔成几个窗口,然后对各窗口内的回波数据分别求和。因为回波串呈指数衰减规律,回波串在时间域上通常被对数等间隔分成几个窗口。由于前几个回波对短弛豫和孔隙度评价起着非常重要的作用,在窗口分割的时候,前3个回波通常不做压缩。对于多个回波串的压缩,首先对每个回波串分别进行压缩,然后将压缩后的所有回波堆叠在一起。由于窗口平均法只涉及到加法运算,需要的计算量很少,但压缩率较低。
奇异值截断法是通过对回波数据构成的核矩阵进行奇异值截断来实现数据压缩。因为核磁共振回波数据核矩阵的奇异值中的大部分均趋于零,所以只需保留前几个较大奇异值即可。奇异值截断法具有较高的压缩率,但需进行核矩阵奇异值分解,计算量较大。
窗口平均法与奇异值截断联合法结合了窗口平均法与奇异值截断法各自的优势,既保证了高压缩率,又减少了计算量。该联合法首先利用窗口平均法对回波数据进行初步压缩,然后再采用奇异值截断的方法对初步压缩后的回波数据进一步压缩。但是,窗口平均法与奇异值截断联合法比较复杂,不适宜普及应用。
发明内容
为解决现有技术的问题,本发明提出一种核磁共振回波数据的压缩方法及装置,通过保留核磁共振原始回波数据中对反映地层特性贡献量最大的信息,来实现对原始回波数据的压缩。
为实现上述目的,本发明提供了一种核磁共振回波数据的压缩方法,包括:
获取待分析的核磁共振回波数据;
利用所述核磁共振回波数据获取核磁共振回波数据的主成分;
利用所述核磁共振回波数据的主成分构建压缩矩阵;
利用所述压缩矩阵对所述核磁共振回波数据进行压缩。
优选地,所述获取核磁共振回波数据的主成分的步骤包括:
获得核磁共振回波数据的核矩阵的协方差矩阵;所述协方差矩阵为: 其中,Fn×m表示核磁共振回波数据的核矩阵,核磁共振回波数据的样本为n个,每个样本的特征为m个;fi,j表示核矩阵的第i个样本对应的第j个特征; 表示各样本第j个特征的均值;
对所述协方差矩阵进行分解,获得特征向量矩阵和特征值矩阵;其中,所述协方差矩阵分解后的表达式为:Cov=ξm×m·λm×m·ξ-1 m×m;其中,λ1、λ2、λ3,…λk…,λm均为特征值,且满足:λ1≥λ2≥λ3≥…≥λk≥…≥λm-1≥λm;ξm×m=[ξ1,ξ2,…ξk,…ξm];ξ1,ξ2,…ξk,…ξm均为长度是m的列向量,为特征向量;
取大于等于λk的特征值所对应的特征向量作为核磁共振回波数据的主成分。
优选地,所述压缩矩阵为:
Vcomm×k=[ξ1,ξ2,…,ξk]
其中,Vcomm×k是压缩矩阵,ξ1,ξ2,…,ξk为大于等于λk的特征值所对应的特征向量。
优选地,所述利用所述压缩矩阵对所述核磁共振回波数据进行压缩的步骤包括:
Eck×1=VcomT m×k×Em×1
其中,Em×1代表核磁共振回波数据矩阵,Eck×1代表压缩后的核磁共振回波数据矩阵;表示核磁共振回波数据核矩阵的转置矩阵,Fck×n代表压缩后核磁共振回波数据的核矩阵,Vcomm×k是压缩矩阵。
为实现上述目的,本发明还提供了一种核磁共振回波数据的压缩装置,包括:
待压缩数据获取单元,用于获取待分析的核磁共振回波数据;
待压缩数据主成分获取单元,用于利用所述核磁共振回波数据获取核磁共振回波数据的主成分;
压缩矩阵单元,用于利用所述核磁共振回波数据的主成分构建压缩矩阵;
压缩单元,用于利用所述压缩矩阵对所述核磁共振回波数据进行压缩。
优选地,所述待压缩数据主成分获取单元包括:
协方差矩阵确定单元,用于获得核磁共振回波数据的核矩阵的协方差矩阵;所述协方差矩阵为: 其中,Fn×m表示核磁共振回波数据的核矩阵,核磁共振回波数据的样本为n个,每个样本的特征为m个;fi,j表示核矩阵的第i个样本对应的第j个特征; 表示各样本第j个特征的均值;
协方差矩阵分解单元,用于对所述协方差矩阵进行分解,获得特征向量矩阵和特征值矩阵;其中,所述协方差矩阵分解后的表达式为:Cov=ξm×m·λm×m·ξ-1 m×m;其中,λ1、λ2、λ3,…λk…,λm均为特征值,且满足:λ1≥λ2≥λ3≥…≥λk≥…≥λm-1≥λm;ξm×m=[ξ1,ξ2,…ξk,…ξm];ξ1,ξ2,…ξk,…ξm均为长度是m的列向量,为特征向量;
主成分确定单元,用于取大于等于λk的特征值所对应的特征向量作为核磁共振回波数据的主成分。
优选地,所述压缩矩阵单元确定的压缩矩阵为:
Vcomm×k=[ξ1,ξ2,…,ξk]
其中,Vcomm×k是压缩矩阵,ξ1,ξ2,…,ξk为大于等于λk的特征值所对应的特征向量。
优选地,所述压缩单元包括:核磁共振回波数据压缩模块和核矩阵压缩模块;其中,
所述核磁共振回波数据压缩模块,用于利用Eck×1=VcomT m×k×Em×1对核磁共振回波数据进行压缩;其中,Em×1代表核磁共振回波数据矩阵,Eck×1代表压缩后的核磁共振回波数据矩阵;Vcomm×k是压缩矩阵;
所述核矩阵压缩模块,用于利用对核磁共振回波数据的核矩阵进行压缩;其中,表示核磁共振回波数据核矩阵的转置矩阵,Fck×n代表压缩后核磁共振回波数据的核矩阵;Vcomm×k是压缩矩阵。
上述技术方案具有如下有益效果:本技术方案直接对核磁共振回波数据进行主成分分析,选出其中对表征地下地层特性贡献最大的主要成分,然后将原始数据进行压缩,最后用于核磁共振数据反演,所以可以有效的剔除原始回波数据中对表征地层特性贡献很小,甚至冗余的信息,在高压缩比条件下仍能保证原始数据的特征,在不失准确性的条件下有效的提高反演速度以及减少计算内存。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1为本发明提出的一种核磁共振回波数据的压缩方法流程图;
图2为本发明提出的一种核磁共振回波数据的压缩装置框图;
图3为本实施例的一维核磁共振回波数据单组回波串示意图;
图4为本实施例中模拟的T2分布示意图;
图5为本发明实施例中模拟的多组核磁共振回波串数据示意图;
图6为本实施例中模拟的T2-D分布图;
图7为压缩后的一维单组回波数据反演结果与原始一维单组回波数据反演结果对比图;
图8为压缩后的二维核磁共振回波数据反演结果图;
图9为原始的二维核磁共振回波数据反演结果图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
如图1所示,为本发明提出的一种核磁共振回波数据的压缩方法流程图。包括:
步骤101):获取待分析的核磁共振回波数据;
步骤102):利用所述核磁共振回波数据获取核磁共振回波数据的主成分;
步骤103):利用所述核磁共振回波数据的主成分构建压缩矩阵;
步骤104):利用所述压缩矩阵对所述核磁共振回波数据进行压缩。
本发明实施例提供的技术方案,由于是直接对核磁共振回波数据进行主成分分析,选出其中对表征地下地层特性贡献最大的主要成分,然后将原始回波数据进行压缩,最后用于核磁共振回波数据反演,可以有效的剔除原始回波数据中对表征地层特性贡献很小,甚至冗余的信息,在高压缩比条件下仍能保证原始数据的特征,在不失准确性的条件下有效的提高反演速度以及减少计算内存。
在本实施例中,步骤102具体包括:
获得核磁共振回波数据的核矩阵的协方差矩阵;所述协方差矩阵为: 其中,Fn×m表示核磁共振回波数据的核矩阵,核磁共振回波数据的样本为n个,每个样本的特征为m个;fi,j表示核矩阵的第i个样本对应的第j个特征; 表示各样本第j个特征的均值;
对所述协方差矩阵进行分解,获得特征向量矩阵和特征值矩阵;其中,所述协方差矩阵分解后的表达式为:Cov=ξm×m·λm×m·ξ-1 m×m;其中,λ1、λ2、λ3,…λk…,λm均为特征值,且满足:λ1≥λ2≥λ3≥…≥λk≥…≥λm-1≥λm;ξm×m=[ξ1,ξ2,…ξk,…ξm];ξ1,ξ2,…ξk,…ξm均为长度是m的列向量,为特征向量矩阵;
取大于等于λk的特征值所对应的特征向量作为核磁共振回波数据的主成分。
对于一维核磁共振回波数据单组回波串来说,Fn×m是该回波串的核矩阵,其中,T2布点数(T2_num)为n个,回波个数(Echo_num)为m个。
对于二维核磁共振回波数据多组回波串来说,Fn×m是该多组回波串构成的核矩阵,其中T2与D布点数乘积(T2_num×D_num)为n个,回波总个数(Echo_num)为m个。
在本实施例中,所述压缩矩阵为:
Vcomm×k=[ξ1,ξ2,…,ξk]
其中,Vcomm×k是压缩矩阵,ξ1,ξ2,…,ξk为大于等于λk的特征值所对应的特征向量。
对于压缩来说,包括:
利用Eck×1=VcomT m×k×Em×1对核磁共振回波数据进行压缩;其中,Em×1代表核磁共振回波数据矩阵,Eck×1代表压缩后的核磁共振回波数据矩阵;Vcomm×k是压缩矩阵;
利用对核磁共振回波数据的核矩阵进行压缩;其中,表示核磁共振回波数据核矩阵的转置矩阵,Fck×n代表压缩后核磁共振回波数据的核矩阵;Vcomm×k是压缩矩阵。
如图2所示,为本发明提供的一种核磁共振回波数据的压缩装置框图。包括:
待压缩数据获取单元201,用于获取待分析的核磁共振回波数据;
待压缩数据主成分获取单元202,用于利用所述核磁共振回波数据获取核磁共振回波数据的主成分;
压缩矩阵单元203,用于利用所述核磁共振回波数据的主成分构建压缩矩阵;
压缩单元204,用于利用所述压缩矩阵对所述核磁共振回波数据进行压缩。
具体地,各功能单元模块的压缩原理相对应于前述的压缩方法,在此不赘述。
下面以构造出的一维、二维核磁共振回波数据压缩为例,对本发明提供的核磁共振数据压缩技术原理进行详细的说明介绍。
如图3所示,为本实施例的一维核磁共振回波数据单组回波串示意图。图3中包含了加了噪声的和未加噪声的原始回波数据,对于一维核磁共振回波数据单组回波串来说:
回波个数(Echo_num):3000。回波间隔(TE):0.6ms。T2布点(T2_num):64个。如图4所示,为本实施例中模拟的T2分布示意图。
构建的核矩阵为64×3000的矩阵,64是T2布点数,3000是回波个数。其中, 该核矩阵的协方差矩阵为对协方差矩阵进行分解,得到Cov=ξλξ-1。其中,ξ1,ξ2,…,ξk,…,ξ3000均为长度为3000的列向量,它们构成了特征向量矩阵ξ,λ为特征值矩阵,特征值矩阵与特征向量矩阵的表达式分别为:
ξ3000×3000=[ξ1,ξ2,…ξk,…ξ3000]
取大于等于λk的特征值所对应的特征向量作为核磁共振回波数据的主成分,即[ξ1,ξ2,…ξk]。
特征值λk的选取方法为:根据如下公式算出多少个特征值的累积贡献率r:
根据公式:
Eck×1=VcomT 3000×k×E3000×1
回波数据长度从3000被压缩到k。
根据公式:
核矩阵从3000×64被压缩到了k×64。
下表1即为本样例中一维回波数据所对应的前十五个主成分,其对应协方差矩阵的特征值,该主成分所占贡献率,以及该主成分的累积贡献率。
表1
由表中的累积贡献率可以看出,前七个主成分即可表征出总体特征,所以我们选取k=7,即压缩比是3000/7。
如图5所示,为本发明实施例中模拟的多组核磁共振回波串数据示意图。其中,图5包含了噪声的和未加噪声的原始回波数据。对于二维核磁共振回波数据多组回波串来说:
回波串组数(Echo_sets):7;回波间隔(TE)分别是:0.45,0.9,1.8,3.6,7.2,9.6以及12.5ms,回波个数分别为:2000,1000,500,250,125,94,72;磁感应强度:G=30Gs。T2布点数(T2_num):30个;D布点数(D_num):30个。T2与D布点数乘积(T2_num×D_num)为30×30。因此,所构建的核矩阵为900×4041的矩阵。如图6所示,为本实施例中模拟的T2-D分布图。
主成分的求取过程同单组回波串中所述的方法相同,在此不重复赘述。
然后,利用提取出的主成分构成该组数据的压缩矩阵;
具体实施时,用如下公式构造压缩矩阵:
Vcom=[ξ1,ξ2,…ξk]
然后,用构造出的压缩矩阵对核磁共振回波数据中的总回波串数据以及核矩阵进行压缩,压缩过程同单组回波串中所述的方法相同,在此不重复赘述。
分别对原始一维核磁共振回波数据、压缩后的一维核磁共振回波数据、原始二维核磁共振回波数据以及压缩后的二维核磁共振回波数据进行反演,反演结果如图7、图8、图9所示。对于图7来说,利用本实施例从模拟的一维单组回波数据中提取压缩矩阵,再对单组回波数据进行压缩后的反演结果与用原始回波数据直接反演的结果的对比图。可知,采用本技术方案获得的压缩后的一维核磁共振回波数据的反演结果与原始数据的反演结果相差无几。对于图8、图9来说,图8为压缩后的二维核磁共振回波数据反演结果图。图9为原始的二维核磁共振回波数据反演结果图。对比图8、图9可知,采用本技术方案获得的压缩后的二维核磁共振回波数据的反演结果与原始数据的反演结果相差无几。
通过本实施例可知,本技术方案既能够保证高压缩率,又提高了核磁共振数据反演的速度。并且相比窗口平均法与奇异值截断联合法,本技术方案算法相对简单,适宜普及应用
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种核磁共振回波数据的压缩方法,其特征在于,包括:
获取待分析的核磁共振回波数据;
利用所述核磁共振回波数据获取核磁共振回波数据的主成分;
利用所述核磁共振回波数据的主成分构建压缩矩阵;
利用所述压缩矩阵对所述核磁共振回波数据进行压缩。
2.如权利要求1所述的压缩方法,其特征在于,所述获取核磁共振回波数据的主成分的步骤包括:
获得核磁共振回波数据的核矩阵的协方差矩阵;所述协方差矩阵为: 其中,Fn×m表示核磁共振回波数据的核矩阵,核磁共振回波数据的样本为n个,每个样本的特征为m个;fi,j表示核矩阵的第i个样本对应的第j个特征; 表示各样本第j个特征的均值;
对所述协方差矩阵进行分解,获得特征向量矩阵和特征值矩阵;其中,所述协方差矩阵分解后的表达式为:Cov=ξm×m·λm×m·ξ-1 m×m;其中,λ1、λ2、λ3,…λk…,λm均为特征值,且满足:λ1≥λ2≥λ3≥…≥λk≥…≥λm-1≥λm;ξm×m=[ξ1,ξ2,…ξk,…ξm];ξ1,ξ2,…ξk,…ξm均为长度是m的列向量,为特征向量;
取大于等于λk的特征值所对应的特征向量作为核磁共振回波数据的主成分。
3.如权利要求2所述的压缩方法,其特征在于,所述压缩矩阵为:
Vcomm×k=[ξ1,ξ2,…,ξk]
其中,Vcomm×k是压缩矩阵,ξ1,ξ2,…,ξk为大于等于λk的特征值所对应的特征向量。
4.如权利要求3所述的压缩方法,其特征在于,所述利用所述压缩矩阵对所述核磁共振回波数据进行压缩的步骤包括:
Eck×1=VcomT m×k×Em×1
其中,Em×1代表核磁共振回波数据矩阵,Eck×1代表压缩后的核磁共振回波数据矩阵;表示核磁共振回波数据的核矩阵的转置矩阵,Fck×n代表压缩后核磁共振回波数据的核矩阵,Vcomm×k是压缩矩阵。
5.一种核磁共振回波数据的压缩装置,其特征在于,包括:
待压缩数据获取单元,用于获取待分析的核磁共振回波数据;
待压缩数据主成分获取单元,用于利用所述核磁共振回波数据获取核磁共振回波数据的主成分;
压缩矩阵单元,用于利用所述核磁共振回波数据的主成分构建压缩矩阵;
压缩单元,用于利用所述压缩矩阵对所述核磁共振回波数据进行压缩。
6.如权利要求5所述的压缩装置,其特征在于,所述待压缩数据主成分获取单元包括:
协方差矩阵确定单元,用于获得核磁共振回波数据的核矩阵的协方差矩阵;所述协方差矩阵为: 其中,Fn×m表示核磁共振回波数据的核矩阵,核磁共振回波数据的样本为n个,每个样本的特征为m个;fi,j表示核矩阵的第i个样本对应的第j个特征; 表示各样本第j个特征的均值;
协方差矩阵分解单元,用于对所述协方差矩阵进行分解,获得特征向量矩阵和特征值矩阵;其中,所述协方差矩阵分解后的表达式为:Cov=ξm×m·λm×m·ξ-1 m×m;其中,λ1、λ2、λ3,…λk…,λm均为特征值,且满足:λ1≥λ2≥λ3≥…≥λk≥…≥λm-1≥λm;ξm×m=[ξ1,ξ2,…ξk,…ξm];ξ1,ξ2,…ξk,…ξm均为长度是m的列向量,为特征向量;
主成分确定单元,用于取大于等于λk的特征值所对应的特征向量作为核磁共振回波数据的主成分。
7.如权利要求6所述的压缩装置,其特征在于,所述压缩矩阵单元确定的压缩矩阵为:
Vcomm×k=[ξ1,ξ2,…,ξk]
其中,Vcomm×k是压缩矩阵,ξ1,ξ2,…,ξk为大于等于λk的特征值所对应的特征向量。
8.如权利要求7所述的压缩装置,其特征在于,所述压缩单元包括:核磁共振回波数据压缩模块和核矩阵压缩模块;其中,
所述核磁共振回波数据压缩模块,用于利用Eck×1=VcomT m×k×Em×1对核磁共振回波数据进行压缩;其中,Em×1代表核磁共振回波数据矩阵,Eck×1代表压缩后的核磁共振回波数据矩阵;Vcomm×k是压缩矩阵;
所述核矩阵压缩模块,用于利用对核磁共振回波数据的核矩阵进行压缩;其中,表示核磁共振回波数据的核矩阵的转置矩阵,Fck×n代表压缩后核磁共振回波数据的核矩阵;Vcomm×k是压缩矩阵。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510359232.0A CN105044794B (zh) | 2015-06-25 | 2015-06-25 | 一种核磁共振回波数据的压缩方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510359232.0A CN105044794B (zh) | 2015-06-25 | 2015-06-25 | 一种核磁共振回波数据的压缩方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105044794A true CN105044794A (zh) | 2015-11-11 |
CN105044794B CN105044794B (zh) | 2018-02-09 |
Family
ID=54451463
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510359232.0A Active CN105044794B (zh) | 2015-06-25 | 2015-06-25 | 一种核磁共振回波数据的压缩方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105044794B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106291723A (zh) * | 2016-07-25 | 2017-01-04 | 中国石油大学(北京) | 基于双参数正则化的核磁共振回波数据反演方法及装置 |
CN107025462A (zh) * | 2017-04-01 | 2017-08-08 | 北京机械设备研究所 | 一种无人机遥测数据实时并行压缩处理方法 |
CN107705337A (zh) * | 2016-08-09 | 2018-02-16 | 中国石油化工股份有限公司 | 一种随钻成像数据处理与传输方法及装置 |
CN108416816A (zh) * | 2018-03-12 | 2018-08-17 | 中国石油大学(北京) | 多维核磁共振测井数据的压缩处理方法和装置 |
CN108825205A (zh) * | 2018-04-09 | 2018-11-16 | 中国石油大学(北京) | 井下核磁共振波谱信号压缩感知采集方法与装置 |
CN108896942A (zh) * | 2018-06-27 | 2018-11-27 | 中国石油大学(北京) | 核磁共振数据压缩方法及装置 |
US11092714B2 (en) * | 2018-11-21 | 2021-08-17 | Baker Hughes, A Ge Company, Llc | Fluid substitution method for T2 distributions of reservoir rocks |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090174402A1 (en) * | 2008-01-07 | 2009-07-09 | Baker Hughes Incorporated | Joint Compression of Multiple Echo Trains Using Principal Component Analysis and Independent Component Analysis |
US20090292473A1 (en) * | 2008-05-23 | 2009-11-26 | Baker Hughes Incorporated | Real-Time NMR Distribution While Drilling |
CN101788656A (zh) * | 2010-01-29 | 2010-07-28 | 东南大学 | 功能核磁共振扫描下功能响应信号的甄别方法 |
CN104090307A (zh) * | 2014-07-18 | 2014-10-08 | 中国海洋石油总公司 | 一种实现随钻核磁共振测井数据处理的方法和系统 |
-
2015
- 2015-06-25 CN CN201510359232.0A patent/CN105044794B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090174402A1 (en) * | 2008-01-07 | 2009-07-09 | Baker Hughes Incorporated | Joint Compression of Multiple Echo Trains Using Principal Component Analysis and Independent Component Analysis |
US20090292473A1 (en) * | 2008-05-23 | 2009-11-26 | Baker Hughes Incorporated | Real-Time NMR Distribution While Drilling |
CN101788656A (zh) * | 2010-01-29 | 2010-07-28 | 东南大学 | 功能核磁共振扫描下功能响应信号的甄别方法 |
CN104090307A (zh) * | 2014-07-18 | 2014-10-08 | 中国海洋石油总公司 | 一种实现随钻核磁共振测井数据处理的方法和系统 |
Non-Patent Citations (1)
Title |
---|
EMMANUEL CANDE´S ET AL.: "Robust Principal Component Analysis? Recovering Low-Rank Matrices from Sparse Errors", 《2010 IEEE SENSOR ARRAY AND MULTICHANNEL SIGNAL PROCESSING WORKSHOP》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106291723A (zh) * | 2016-07-25 | 2017-01-04 | 中国石油大学(北京) | 基于双参数正则化的核磁共振回波数据反演方法及装置 |
CN107705337A (zh) * | 2016-08-09 | 2018-02-16 | 中国石油化工股份有限公司 | 一种随钻成像数据处理与传输方法及装置 |
CN107025462A (zh) * | 2017-04-01 | 2017-08-08 | 北京机械设备研究所 | 一种无人机遥测数据实时并行压缩处理方法 |
CN107025462B (zh) * | 2017-04-01 | 2019-12-06 | 北京机械设备研究所 | 一种无人机遥测数据实时并行压缩处理方法 |
CN108416816A (zh) * | 2018-03-12 | 2018-08-17 | 中国石油大学(北京) | 多维核磁共振测井数据的压缩处理方法和装置 |
CN108416816B (zh) * | 2018-03-12 | 2021-01-29 | 中国石油大学(北京) | 多维核磁共振测井数据的压缩处理方法和装置 |
CN108825205A (zh) * | 2018-04-09 | 2018-11-16 | 中国石油大学(北京) | 井下核磁共振波谱信号压缩感知采集方法与装置 |
CN108825205B (zh) * | 2018-04-09 | 2020-09-22 | 中国石油大学(北京) | 井下核磁共振波谱信号压缩感知采集方法与装置 |
CN108896942A (zh) * | 2018-06-27 | 2018-11-27 | 中国石油大学(北京) | 核磁共振数据压缩方法及装置 |
CN108896942B (zh) * | 2018-06-27 | 2019-11-08 | 中国石油大学(北京) | 核磁共振数据压缩方法及装置 |
US11092714B2 (en) * | 2018-11-21 | 2021-08-17 | Baker Hughes, A Ge Company, Llc | Fluid substitution method for T2 distributions of reservoir rocks |
Also Published As
Publication number | Publication date |
---|---|
CN105044794B (zh) | 2018-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105044794A (zh) | 一种核磁共振回波数据的压缩方法及装置 | |
Zhu et al. | Intelligent logging lithological interpretation with convolution neural networks | |
CN111551992B (zh) | 岩石储层构造表征方法、装置、计算机可读存储介质及电子设备 | |
CN105929024B (zh) | 混凝土缺陷智能化检测与定量识别方法 | |
Yang et al. | Convolutional neural network–based friction model using pavement texture data | |
CN108267784A (zh) | 一种地震信号随机噪声压制处理方法 | |
CN104101902B (zh) | 地震属性聚类方法及装置 | |
CN107169492A (zh) | 基于fcn‑crf主从网络的极化sar目标检测方法 | |
CN101493890B (zh) | 基于特征的动态视觉注意区域提取方法 | |
CN110458129B (zh) | 基于深度卷积神经网络的非金属地雷识别方法 | |
CN103336305B (zh) | 一种基于灰色理论划分致密砂岩储层岩石物理相的方法 | |
CN103487832A (zh) | 一种三维地震信号中的有监督波形分类方法 | |
CN105913081A (zh) | 基于改进的PCAnet的SAR图像分类方法 | |
CN107392122A (zh) | 基于多极化特征和fcn‑crf融合网络的极化sar影像目标检测方法 | |
CN104020135A (zh) | 基于近红外光谱的校正模型建模方法 | |
CN103778262A (zh) | 基于叙词表的信息检索方法及装置 | |
CN110879412A (zh) | 地下横波速度反演方法、装置、计算设备及存储介质 | |
CN103714148A (zh) | 基于稀疏编码分类的sar图像检索方法 | |
CN105788261B (zh) | 一种基于pca和lzw编码的道路交通空间数据压缩方法 | |
Du et al. | Three-dimensional stress wave imaging of wood internal defects using TKriging method | |
CN107632010A (zh) | 一种结合激光诱导击穿光谱对钢铁样品的定量方法 | |
Zheng et al. | Deep neural networks design and analysis for automatic phase pickers from three-component microseismic recordings | |
CN104699781A (zh) | 基于双层锚图散列的sar图像检索方法 | |
CN103176219B (zh) | 一种核探测数据的离散余弦神经网络模糊降噪方法 | |
CN104007477B (zh) | 一种地面核磁共振三维反演方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |