【技术实现步骤摘要】
本专利技术属于地球物理测井，涉及声波远探测成像测井技术，具体涉及一种声波远探测成像测井地质解释结论生成方法与系统。
技术介绍
1、声波远探测成像测井作为一种透过井向远看的勘探利器，广泛应用于隐蔽油气藏、井旁缝洞及其它小型地质异常体的探测发现，在深层深海致密油气、页岩油气、缝洞型油气藏中展现了独特的应用价值。然而，当前面临着声波远探测成像地质解释多解性的挑战性，尤其是需要专业人员对声波远探测成像进行解释分析，限制了该技术的深化和推广应用。为此，人们通过构建“正演-成像-解释结论”库的方式，将声波远探测成像结果与所建库中典型成像进行对比，以实现声波远探测成像测井的地质解释，但仍存在解释过程繁琐、耗时、且解释符合率不高的技术障碍。
2、近年来，人工智能迅速发展为图像特征识别提供了一个新的研究思路。通过神经网络学习图像与文字报告间的特征关系，对给定图像自动生成相对准确的文本解释，为非专业人员提供辅助，降低解释结论的多解性，在医学图像报告诊断解决生成中显示了其技术优越性。文本生成方法一般是由一个卷积神经网络和一个自然语言处理网络构成。首先使用卷积神经网络(以下简称：cnn)或其变体对输入的图像进行特征提取，cnn擅长捕捉图像中低层次的边缘、纹理等局部特征，并逐步提取更高层次的语义信息。为了更好捕捉图像中复杂的地质特征，现有方法还会引入多尺度特征提取模块，以确保细节和整体信息的平衡处理。在文本生成方面，早期的自然语言处理网络通常为lstm、bilstm、gru等，并通过注意力机制提取特征。随着transformer的发展，使用t
技术实现思路
1、本专利技术针对现有技术存在的问题，提供了一种声波远探测成像测井地质解释结论生成方法与系统，挖掘标签矩阵与生成文本之间的关系，优化标签矩阵特征，同时采用特征融合，实现图像和文本特征的交叉，加强视觉语义信息融合，提高文本对图像描述的准确性，快速生成声波远探测成像测井地质解释结论，降低结论的多样性，提高解释符合率，进而提高非声波测井专业人员对声波远探测成像的解释分析能力。
2、本专利技术第一方面，提供了一种声波远探测成像测井地质解释结论生成方法，其步骤为：
3、数据获取步骤：获取声波远探测成像图像和文本序列；
4、图像特征提取步骤：提取声波远探测成像图像的局部特征，对局部特征进行平均池化提取全局特征；
5、标签分类步骤：对局部特征进行标签分类得到标签向量；
6、一次编码步骤：对全局特征进行编码得到隐藏向量；
7、标签特征融合步骤：构造标签矩阵，将标签矩阵与隐藏向量和标签向量进行特征融合生成标签矩阵特征；
8、文本索引步骤：将文本序列通过词向量索引化得到文本特征；
9、向量特征融合步骤：将文本特征与隐藏向量进行特征融合生成融合向量，将文本特征与融合向量相加得到文本向量；
10、解释结论生成步骤：将标签矩阵特征、文本向量进行解码生成报告，得到解释结论；
11、二次编码步骤：对文本特征进行编码得到增强文本特征；
12、文本特征提取步骤：对增强文本特征进行池化得到全局文本特征向量；
13、损失函数设计步骤：将通过最小化交叉熵损失函数最大化生成的报告与目标报告的相似性作为最小化文本损失函数，将标签向量与真实向量之间的相似度作为标签损失函数，将标签矩阵特征与全局文本特征向量的之间的余弦相似度作为文本-标签损失函数；
14、优化步骤：通过最小化文本损失函数、标签损失函数和文本-标签损失函数形成的总损失函数对解释结论进行优化生成最终解释结论。
15、在一些实施例中，在图像特征提取步骤中，将声波远探测成像图像输入至图像特征提取器，提取图像特征提取器最后一个卷积层输出的特征作为局部特征，将局部特征输入至分类器进行平均池化，拼接每一行的所有特征为一个序列作为全局特征。
16、在一些实施例中，在标签分类步骤中，将局部特征输入至分类器进行分类生成标签向量。
17、在一些实施例中，在标签特征融合步骤中，将标签矩阵与隐藏向量和标签向量进行特征融合生成标签矩阵特征的具体方法为：
18、计算标签矩阵与隐藏向量的相似度表示为：
19、
20、式中，为标签矩阵，标签矩阵的每行向量，表示类别的文本特征向量，为标签数量，为隐藏向量，为隐藏向量的转置，为标签矩阵的维度；
21、根据相似度和标签向量计算注意力分数表示为：
22、
23、式中，为归一化指数函数，为标签向量；
24、利用注意力分数、归一化和残差连接融合标签特征得到标签矩阵特征表示为：
25、
26、
27、式中，为标签矩阵特征，为归一化函数，为输入变量，为均值，为标准差。
28、在一些实施例中，在文本特征提取步骤中，对增强文本特征进行池化得到全局文本特征向量的方法为：对增强文本特征进行池化，将增强文本特征的第一个向量作为全局文本特征向量。
29、在一些实施例中，在损失函数设计步骤中，所述最小化文本损失函数表示为：
30、
31、
32、式中，为最小化文本损失函数，为生成报告的单词数量，为生成的目标报告中第个词的概率分布，为时刻的目标文本，为时刻的文本，为标签矩阵，为声波远探测成像图像。
33、在一些实施例中，在损失函数设计步骤中，所述标签损失函数表示为：
34、
35、式中，为标签损失函数，为图像预测的类别标签，为真实类别的标签，为标签数量。
36、在一些实施例中，在损失函数设计步骤中，所述文本-标签损失函数为：
37、
38、
39、式中，为文本-标签损失函数，为全局文本特征向量，为标签矩阵特征，为真实类别的标签，，表示类别的文本特征向量，为标签矩阵的维度。
40、在一些实施例中，在优化步骤中，所述总损失函数表示为：
41、
42、式中，为总损失函数，为最小化文本损失函数，为标签损失函数，为文本-标签损失函数，为标签损失函数的加权因子，为文本-标签损失函数的加权因子。
43、本专利技术第二方面，提供了一种声波远探测成像测井地质解释结论生成系统，用于实现本专利技术第一方面所述声波远探测成像测井地质解释结论生成方法，包括：
44、数据获取模块，用于获取声波远探测成像本文档来自技高网...
【技术保护点】
1.一种声波远探测成像测井地质解释结论生成方法，其特征在于，其步骤为：
2.如权利要求1所述声波远探测成像测井地质解释结论生成方法，其特征在于，在图像特征提取步骤中，将声波远探测成像图像输入至图像特征提取器，提取该图像特征提取器最后一个卷积层输出的特征作为局部特征，将局部特征输入至分类器进行平均池化，拼接每一行的所有特征为一个序列作为全局特征。
3.如权利要求1所述声波远探测成像测井地质解释结论生成方法，其特征在于，在标签分类步骤中，将局部特征输入至分类器进行分类生成标签向量。
4.如权利要求1所述声波远探测成像测井地质解释结论生成方法，其特征在于，在标签特征融合步骤中，将标签矩阵与隐藏向量和标签向量进行特征融合生成标签矩阵特征的具体方法为：
5.如权利要求1所述声波远探测成像测井地质解释结论生成方法，其特征在于，在文本特征提取步骤中，对增强文本特征进行池化得到全局文本特征向量的方法为：对增强文本特征进行池化，将增强文本特征的第一个向量作为全局文本特征向量。
6.如权利要求1所述声波远探测成像测井地质解释结论生成方法，其
7.如权利要求1所述声波远探测成像测井地质解释结论生成方法，其特征在于，在损失函数设计步骤中，所述标签损失函数表示为：
8.如权利要求1所述声波远探测成像测井地质解释结论生成方法，其特征在于，在损失函数设计步骤中，所述文本-标签损失函数为：
9.如权利要求1所述声波远探测成像测井地质解释结论生成方法，其特征在于，在优化步骤中，所述总损失函数表示为：
10.一种声波远探测成像测井地质解释结论生成系统，用于实现权利要求1至9任意一项所述声波远探测成像测井地质解释结论生成方法，其特征在于，包括：
...【技术特征摘要】
1.一种声波远探测成像测井地质解释结论生成方法，其特征在于，其步骤为：
2.如权利要求1所述声波远探测成像测井地质解释结论生成方法，其特征在于，在图像特征提取步骤中，将声波远探测成像图像输入至图像特征提取器，提取该图像特征提取器最后一个卷积层输出的特征作为局部特征，将局部特征输入至分类器进行平均池化，拼接每一行的所有特征为一个序列作为全局特征。
3.如权利要求1所述声波远探测成像测井地质解释结论生成方法，其特征在于，在标签分类步骤中，将局部特征输入至分类器进行分类生成标签向量。
4.如权利要求1所述声波远探测成像测井地质解释结论生成方法，其特征在于，在标签特征融合步骤中，将标签矩阵与隐藏向量和标签向量进行特征融合生成标签矩阵特征的具体方法为：
5.如权利要求1所述声波远探测成像测井地质解释结论生成方法，其特征在于，在文本特征提取步骤中，对增强...
【专利技术属性】
技术研发人员：魏周拓，李霞，张俊三，邓少贵，刘玉雪，李智强，王昊戈，
申请(专利权)人：中国石油大学华东，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。