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！

龙图腾网获悉东北石油大学三亚海洋油气研究院申请的专利融合亲和传播聚类与图卷积神经网络的成岩相样本自动标注方法及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：CN119339163B 。

龙图腾网通过国家知识产权局官网在2025-06-10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：202411864247.8，技术领域涉及：G06V10/764；该发明授权融合亲和传播聚类与图卷积神经网络的成岩相样本自动标注方法及系统是由刘涛;张岩;刘宗堡;张可佳;刘芳;牟梦宁;王晓凡设计研发完成，并于2024-12-18向国家知识产权局提交的专利申请。

本融合亲和传播聚类与图卷积神经网络的成岩相样本自动标注方法及系统在说明书摘要公布了：本发明提供了一种融合亲和传播聚类与图卷积神经网络的成岩相样本自动标注方法及系统，属于成岩相智能识别领域。为了解决成岩相的标注工作样本量少，准确率低的问题。本发明对测井曲线数据进行预处理并进行少量标签标注，构建自动标注数据集；利用亲和传播聚类构造图结构，建立测井曲线深度节点之间的关联关系；通过图卷积层聚合节点特征，实现成岩相的快速准确标注。本发明与传统方法的对比，能够更好地处理成岩相之间复杂的关联和空间分布特征，将图结构和测井曲线特征相结合，从而提高标注准确性和稳定性。

本发明授权融合亲和传播聚类与图卷积神经网络的成岩相样本自动标注方法及系统在权利要求书中公布了：1.一种融合亲和传播聚类与图卷积神经网络的成岩相样本自动标注方法，其特征在于，包括以下步骤：S100、数据集建立，包括划分成岩相类型和测井曲线数据预处理，所述测井曲线数据包括测井曲线选择、对选择的测井曲线进行缺失值和异常值处理以及样本标注，进而将测井曲线数据依据成岩相类型标注；选取对成岩相分析影响大的测井曲线，包括自然伽马、声波时差、深侧向电阻率、浅侧向电阻率、自然电位和井径；S200、利用亲和传播聚类算法构建APM图结构，连接特征相似但非相邻的节点，用于实现成岩相标签共享，具体包括：S210、读取测井曲线数据，根据步骤S100选取测井曲线特征，形成每个节点的特征向量，并生成特征矩阵，如下公式6所示： 其中，X∈Rn×d，n为测井曲线深度数量，d为特征数量；S220、测井曲线深度节点根据深度排序，相邻深度节点通过边连接，构建基于深度顺序的空无向图结构，并提取相应的特征向量；S230、采用亲和传播聚类算法聚类深度不相邻的节点，选取测井曲线特征，将每个测井曲线深度节点归入相应的聚类中，建立相似测井曲线特征节点之间的连接，然后计算节点间的欧氏距离Dij并进行归一化处理，用于使每个特征值在相同的范围内： 相似度矩阵S取负的距离Dij矩阵为：Sij＝-Dij8L＝APClusterS9S240、根据聚类的成岩相标签生成邻接矩阵，若两个节点属于同一聚类，则在邻接矩阵中对应的位置为1，否则为0： 其中，Li表示第i个测井曲线深度节点的成岩相标签；生成的矩阵是邻接矩阵A和特征矩阵X；S300、采用多层图卷积网络，结合步骤S200获取的亲和传播聚类结果，对步骤S100处理后的测井曲线数据进行卷积操作，在多次迭代后，获得优化后的基于图卷积成岩相标注方法的模型结构，具体包括：第一层卷积使用GCNConv操作，输入维度：num_features，输出维度：64；第二层卷积使用GCNConv操作，输入维度：64，输出维度：32；第三层卷积使用GCNConv操作，输入维度：32，输出维度：6；S310、将特征矩阵X和邻接矩阵A输入，具体卷积操作如下： 其中，I是单位矩阵，是节点i的度，Hl是第l层的特征矩阵，初始为输入特征矩阵X，Wl是第l层的权重矩阵，σ是非线性激活函数；S320、输出层使用softmax函数对成岩相进行分类：Z＝softmaxH314 其中，Z输出类别概率分布；S330、使用Adam优化器更新模型参数： 其中，θ是模型参数，η是学习率，是参数θ的梯度操作，E是损失函数。

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东北石油大学三亚海洋油气研究院，其通讯地址为：572000 海南省三亚市崖州区崖州湾科技城创新路8号中兴产业园A栋3层区；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”。