“宋田茹”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果12个，建议您升级VIP下载更多相关专利

[发明专利]基于多粒度级联森林和超参优化的润湿性预测方法及装置-CN202310387482.X在审
发明人：岳明;宋田茹;潘滨;朱维耀;宋洪庆;王九龙;范琳 -专利权人：北京科技大学
申请日： 2023-04-12 - 公布日： 2023-07-18 - 主分类号： G06N20/20 文献下载
摘要：本发明涉及岩石润湿性技术领域，特别是指一种基于多粒度级联森林和超参优化的润湿性预测方法及装置，一种基于多粒度级联森林和超参优化的润湿性预测方法包括：对实验样品进行检测，获得样品特征数据；基于多粒度级联森林算法进行建模操作，获得待训练预测模型；使用样品特征数据，对待训练预测模型进行训练，获得润湿性预测模型；根据样品特征数据、润湿性预测模型和预设的序列模型优化算法，获得优化润湿性预测模型；将待预测样品特征数据输入优化润湿性预测模型，获得润湿性预测结果。本发明是一种精准预测、响应迅速的页岩润湿性预测方法。
基于粒度级联森林优化润湿预测方法装置

[发明专利]基于卷积神经网络与SHAP值的页岩气产能主控因素分析方法-CN202211484306.X在审
发明人：岳明;宋田茹;朱维耀;范琳;宋洪庆;潘滨 -专利权人：北京科技大学
申请日： 2022-11-24 - 公布日： 2023-03-21 - 主分类号： G06Q10/04 文献下载
摘要：本发明提供一种基于卷积神经网络与SHAP值的页岩气产能主控因素分析方法，属于页岩气开发领域。所述方法包括：确定影响目标区块页岩气产能的因素；其中，每个影响因素作为一个特征；根据确定的页岩气产能的影响因素获取页岩气数据构成特征数据集，并获取页岩气数据对应的产能构成标签数据集；利用特征数据集和标签数据集，建立基于卷积神经网络的产能预测模型；基于训练后的产能预测模型，计算特征数据集中每个特征的SHAP值，量化每个因素对产能的影响程度；基于得到的SHAP值，分析产能与其影响因素之间的内在关系，确定目标区块的产能主控因素。采用本发明，能够对影响产能的因素进行重要性分析，提高了主控因素分析的准确率。
基于卷积神经网络 shap 页岩产能主控因素分析方法

[发明专利]一种基于小层信息的未测量测井曲线智能构建方法及装置-CN202211146009.4在审
发明人：岳明;许春艳;宋田茹;朱维耀;范琳;刘雨薇 -专利权人：北京科技大学
申请日： 2022-09-20 - 公布日： 2022-12-30 - 主分类号： G06F30/27 文献下载
摘要：本公开提供了一种基于小层信息的未测量测井曲线构建模型训练方法及装置、基于小层信息的未测量测井曲线智能构建方法及装置。其中，训练方法包括：获取训练数据、测试数据和小层划分信息；将小层划分信息作为先验信息分别与训练数据和测试数据耦合，对应形成第一训练集和第一测试集；分别将每个小层对应的训练数据和测试数据保存到小层对应的数据体中，对应形成第二训练集和第二测试集；分别采用第一训练集和第二训练集训练LSTM模型，获得软约束LSTM模型和硬约束LSTM模型；将第一测试集输入第一子模型，将第二测试集输入第二子模型，比较第一、二子模型得到的目标测井曲线计算结果，选择构建精度更高的子模型作为目标测井曲线对应的测井曲线构建模型。
一种基于信息测量测井曲线智能构建方法装置

[发明专利]基于梯度加强的PINN反演页岩储层视渗透率的方法-CN202211154717.2在审
发明人：岳明;宋田茹;朱维耀;范琳;宋洪庆;王鸣川 -专利权人：北京科技大学
申请日： 2022-09-21 - 公布日： 2022-12-30 - 主分类号： G01V9/00 文献下载
摘要：本发明涉及油田开发技术领域，具体涉及一种基于梯度加强的PINN反演页岩储层视渗透率的方法、装置及电子设备，方法包括如下步骤：S1、建立目标页岩储层的基本微分方程，并基于基本微分方程构建关于页岩储层渗透率的多种非均质模型；S2、获取基本微分方程所需的基础参数并通过数值模拟手段对多种非均质模型分别生成数据集；S3、基于神经网络构建反演模型，将数据集分别输入反演模型，并将多种非均质模型反演出的参数分别与真实参数值进行对比，若二者的相对误差不超过所设阈值，则认为该反演模型有效，反之，则无效。本发明的技术方案可应用于页岩储层的视渗透率的预测，具有更强的信息整合能力，预测准确率高。
基于梯度加强 pinn 反演页岩储层视渗透方法

[发明专利]一种低渗致密油藏CO2-CN202110906835.3有效
发明人：孔德彬;刘昀枫;宋田茹;朱维耀;岳明;宋洪庆 -专利权人：北京科技大学
申请日： 2021-08-09 - 公布日： 2022-11-08 - 主分类号： E21B43/16 文献下载
摘要：提供一种低渗致密油藏CO2吞吐选井方法，包括：获取多个对照井区中每个的换油率和多个影响因素参数，获取至少一个目标井区中每个的多个影响因素参数；对每个井区的多个影响因素参数中的每一个进行非线性无量纲模糊处理，获取每个影响因素参数消除量纲影响后的量化值；根据每个对照井区的影响因素参数的量化值以及换油率，计算每个影响因素参数的权重；根据每个影响因素参数的权重以及每个对照井区或目标井区的影响因素参数的量化值，计算每个井区的选井决策因子；根据目标井区的选井决策因子与对照井区的选井决策因子的大小关系，判断每个目标井区是否适宜进行CO2吞吐，从而快捷准确地实现低渗致密油藏CO2吞吐选井。
一种致密油藏 co base sub

[发明专利]一种粒子群优化CNN预测页岩油产能的方法-CN202210767768.6在审
发明人：岳明;宋田茹;朱维耀;王鸣川;宋洪庆;王九龙 -专利权人：北京科技大学
申请日： 2022-06-30 - 公布日： 2022-10-04 - 主分类号： G06Q10/04 文献下载
摘要：本公开提供了一种模型训练方法及装置、页岩油产能预测方法及装置。其中，模型训练方法包括：构建页岩油产能数学模型，页岩油产能数学模型用于表征特征参数与目标参数之间的关系；基于页岩油产能数学模型，获取多组相对应的特征参数与目标参数，作为模型训练数据；建立用于预测页岩油产能的卷积神经网络模型，并采用粒子群算法获得卷积神经网络模型的最优权值和最优偏差值；基于模型训练数据对卷积神经网络模型进行训练，得到页岩油产能预测模型。所述页岩油产能预测方法利用上述页岩油产能预测模型实现页岩油产能预测。
一种粒子优化 cnn 预测页岩产能方法

[发明专利]一种基于XGBoost的储层渗透率预测方法-CN202210767770.3在审
发明人：岳明;宋田茹;朱维耀;宋洪庆;王鸣川;王九龙 -专利权人：北京科技大学
申请日： 2022-06-30 - 公布日： 2022-09-30 - 主分类号： G06Q10/04 文献下载
摘要：本公开提供了一种模型训练方法及装置、页岩气田储层渗透率预测方法及装置。所述模型训练方法包括：从目标区块的多口井中划分出训练井和测试井；获取训练井和测试井中每口井对应的测井曲线数据，对每口井对应的测井曲线数据进行预处理，并作为特征参数；获取训练井和测试井中每口井对应的渗透率，作为目标参数；构建基于Boosting增量的XGBoost集成模型，采用训练井对应的特征参数和目标参数对XGBoost集成模型进行训练，并对构建的XGBoost集成模型进行验证、确定目标模型；采用测试井对应的特征参数和目标参数对目标模型进行评价，获得所需的渗透率预测模型。所述页岩气田储层渗透率预测方法能够准确、快速实现页岩气田储层的渗透率预测。
一种基于 xgboost 渗透预测方法

[发明专利]基于时间卷积神经网络的测井曲线构建方法及装置-CN202210095698.4在审
发明人：岳明;王鸣川;宋田茹;朱维耀;宋洪庆;范琳 -专利权人：北京科技大学
申请日： 2022-01-26 - 公布日： 2022-05-06 - 主分类号： G06F30/27 文献下载
摘要：本公开提供了一种模型建立方法和测井曲线构建方法。其中，模型建立方法包括：获取标签数据和特征数据；将标签数据和特征数据随机混合，并将混合后的数据按比例分割为训练集和验证集；根据标签数据和特征数据，进行基于时间卷积神经网络的序列建模；基于训练集对建立的模型进行训练，并通过验证集验证模型的有效性；当模型的损失函数的值满足预设条件且不再降低时，保存模型。测井曲线构建方法包括：获取目标井的已知测井曲线的数据；将目标井的已知测井曲线的数据输入模型中，构建目标井的未知测井曲线。本公开能够实现具有地质强非均质性的页岩气藏的未知测井曲线的预测。
基于时间卷积神经网络测井曲线构建方法装置

[发明专利]基于物理约束的LSTM模型预测页岩油产量的方法-CN202110192283.4有效
发明人：岳明;宋鹂影;宋洪庆;宋田茹;王九龙;都书一 -专利权人：北京科技大学
申请日： 2021-02-19 - 公布日： 2021-11-26 - 主分类号： G06Q10/04 文献下载
摘要：本发明提供一种基于物理约束的LSTM模型预测页岩油产量的方法，属于页岩油产量预测技术领域。该方法首先从油田区块获取实际动态生产数据，然后对样本数据集去噪，消除异常值，进行标准化和归一化处理，再将长短期记忆神经网络模型作为学习模型，并设置LSTM模型的结构，将神经网络模型的损失函数定义为数据项和控制方程之和，在添加物理约束的神经网络基础上对训练集进行训练，然后用测试集得到预测结果。该方法所设计的系统将能表征页岩油产量相关参数关系的物理方程带入到网络模型里，这种物理约束模型预测准确率及适应能力较强，计算速度快，可良好的解决页岩油产量预测问题，还可以校正储层的有效渗透率分布，更好的指导现场开发。
基于物理约束 lstm 模型预测页岩产量方法

[发明专利]建立CO2-CN202110966381.9在审
发明人：岳明;宋田茹;朱维耀;刘昀枫;宋洪庆;孔德彬 -专利权人：北京科技大学
申请日： 2021-08-23 - 公布日： 2021-11-02 - 主分类号： G06Q10/04 文献下载
摘要：本公开提供了一种建立CO2吞吐效果预测模型的方法以及CO2吞吐效果评价方法。所述建立CO2吞吐效果预测模型的方法，首先获取CO2吞吐开发的样本数据集，并将样本数据集划分为训练集和测试集，然后设置神经网络结构并对神经网络模型的超参数进行初始化，之后训练模型，并通过修改超参数，将模型的损失函数值控制在误差范围内，从而得到训练好的模型。所述CO2吞吐效果评价方法包括：获取目标井区CO2吞吐开发的影响因素参数数据集，将目标井区的影响因素参数数据集输入CO2吞吐效果预测模型，预测换油率。该方法可应用于不同影响因素参数下待CO2吞吐开发的井区的换油率的快速预测。
建立 co base sub

[发明专利]基于物理约束的DL模型预测致密油压裂范围的方法-CN202110076317.3有效
发明人：岳明;宋鹂影;宋洪庆;宋田茹;王九龙;都书一 -专利权人：北京科技大学
申请日： 2021-01-20 - 公布日： 2021-08-03 - 主分类号： G06F30/27 文献下载
摘要：本发明提供一种基于物理约束的DL模型预测致密油压裂范围的方法，属于致密油压裂技术领域。该方法首先对所研究的问题提出合理物理假设并设置相关参数，然后建立二维轴对称的数值计算模型，进行网络的划分并设置时间步，建立深度学习模型，设置深度神经网络模型的结构和其他参数，用测试集得到预测结果，使用L2范数和决定系数R2作为评价指标对预测结果进行评价，比较考虑物理约束与不考虑物理约束下神经网络预测的精度，最后在添加物理约束的神经网络的基础上改变训练数据量大小并衡量其预测能力。该方法可应用于两驱模型分区的流场分布的快速预测，其预测准确率及适应能力较强，计算速度快，可良好的解决致密油流场分布未知问题和小样本预测问题。
基于物理约束 dl 模型预测致密油压范围方法

[发明专利]一种基于深度学习的致密油藏改造效果评价方法-CN202011403763.2在审
发明人：岳明;宋洪庆;宋田茹;王九龙;都书一 -专利权人：北京科技大学
申请日： 2020-12-04 - 公布日： 2021-04-09 - 主分类号： G06K9/62 文献下载
摘要：本发明提供一种基于深度学习的致密油藏改造效果评价方法，属于油藏开发技术领域。该方法首先从现场获取油藏开发数据、从数值模拟技术获取补充数据，二者联合构成样本数据集；然后对样本数据集中的离散数据和分类数据进行独热编码，将其映射到欧式空间；进一步对数据进行降维处理，将特征数据集按照维度的不同划分为训练集和验证集，分别作为输入集；比较不同的机器学习模型，将相同结构的基础单个模型设置到多个分支中，对神经网络训练过程中容易出现的梯度消失问题采用Xavier初始化，设计多组对比实验实现模型最优化，最后，分析不同输入参数对预测内容的影响。该方法提高了预测的准确率和效率。
一种基于深度学习致密油藏改造效果评价方法

1
共 12 条