“都书一”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11个，建议您升级VIP下载更多相关专利

[发明专利]一种基于物理约束的煤层气藏压裂效果评价方法-CN202110971711.3有效
发明人：宋洪庆;都书一;宋鹂影;于明旭;王九龙 -专利权人：北京科技大学
申请日： 2021-08-23 - 公布日： 2023-09-22 - 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煤层气藏压裂效果评价方法，属于油藏开发技术领域；包括步骤如下：基于油气田现场提供的动静态数据构建数据集；建立针对动态数据的基于物理背景下的数据清洗算法；根据直接的参数控制以及间接的物理约束构建了“数据+物理”双指导条件下的误差指导方程；考虑动静态数据维度以及物理参数的实际重要程度建立了结合网络结构；通过循环组合模式来构建训练集和测试集；基于训练集和测试集，利用误差指导方程来构建新的残差函数，并通过反向传播算法对结合网络模型进行训练及测试，获得最优的压裂效果评价模型；建立排己算法定义各个输入参数对于裂缝半长以及压裂后渗透率的贡献度。
一种基于物理约束煤层气藏压裂效果评价方法

[发明专利]一种基于数据驱动的煤层气产量预测方法及系统-CN202211464388.1在审
发明人： 都书一;宋鹂影;宋洪庆;王九龙;王玫珠;杨焦生 -专利权人：北京科技大学
申请日： 2022-11-22 - 公布日： 2023-03-28 - 主分类号： G06Q10/04 文献下载
摘要：本发明涉及一种基于数据驱动的煤层气产量预测方法及系统，首先获取待预测生产井的煤层气动态产量历史数据以及待预测生产井的煤层气产量预测相关数据；根据所述煤层气动态产量历史数据，确定所述待预测生产井所属的生产井类型；然后选取与所述生产井类型对应的训练好的煤层气产量预测模型为目标模型；最后将所述待预测生产井的煤层气产量预测相关数据输入所述目标模型，获得待预测生产井的产量数据。本发明通过获取煤层气开采现场最容易获取的也是最有价值的监测数据，根据该部分数据，并利用机器学习方法训练的产量预测模型来计算煤层气产量，减小了数据获取时间，提高了煤层气产量预测速度。
一种基于数据驱动煤层气产量预测方法系统

[发明专利]一种基于强制学习的油田生产系统决策优化方法-CN202210493119.1在审
发明人：宋洪庆;都书一;宋鹂影;王九龙;岳明 -专利权人：北京科技大学
申请日： 2022-05-07 - 公布日： 2022-08-12 - 主分类号： G06F30/28 文献下载
摘要：本发明公开了一种基于强制学习的油田生产系统决策优化方法，包括：收集油田生产现场的动态生产数据，建立油藏生产优化的数据立方体；基于数据立方体对预设的机器学习模型进行训练，得到用于根据生产现场的动态生产数据预测产油量的基于强制学习的油藏注采系统代理模型；构造面向注气油藏生产优化的评估函数；在生产优化过程中建立基于输入参数的强制约束模型及边界约束条件；以约束模型及边界约束条件为约束，基于油藏注采系统代理模型，以评估函数为优化方向，寻找油藏生产优化方案，得到最优生产方案。本发明可以解决传统的基于物理的方法在计算精度以及时间方面有局限性的技术问题。
一种基于强制学习油田生产系统决策优化方法

[发明专利]一种面向油气领域的生产智能决策系统及方法-CN202210209642.7在审
发明人：宋洪庆;王九龙;都书一;岳明 -专利权人：北京中科智上科技有限公司;北京科技大学
申请日： 2022-03-03 - 公布日： 2022-06-28 - 主分类号： G06Q10/06 文献下载
摘要：本发明提供一种面向油气领域的生产智能决策系统及方法，属于油气开发领域；系统包括：油气多源异构数据治理模块，用于实现油气领域数据一体化治理；油气生产智慧决策平台业务模块，用于实现油气生产智慧决策、智慧储运集输、智慧运营销售以及系统管理与运维；智能算法构件库，用于提供基础算法以及基于特定场景定制化开发的智能算法；功能模块容器化封装以及自动化管理模块，用于将油气多源异构数据、智能算法构件库、智能服务构件库进行容器化封装，进行容器统一调度和管理；不同场景下模型自定义开发模块，用于搭建面向不同场景的专业化模型。本发明解决了油气行业生产中业务场景关联少等问题，对油气行业数字化及智能化发展有着重要作用。
一种面向油气领域生产智能决策系统方法

[发明专利]一种基于历史及预测油藏知识的剩余油分布预测方法及装置-CN202210158923.4在审
发明人：王九龙;宋鹂影;朱经纬;宋洪庆;都书一 -专利权人：北京中科智上科技有限公司;北京科技大学
申请日： 2022-02-21 - 公布日： 2022-06-17 - 主分类号： G06Q10/04 文献下载
摘要：本发明提供一种基于历史及预测油藏知识的剩余油分布预测方法及装置，属于石油开发技术领域；方法包括：根据目标油藏油井相关历史动态及静态监测数据建立完备数据集；利用完备数据集对LSTM模型进行训练及测试；利用完成训练的LSTM模型预测单井在预设时刻的产量；根据产量预测结果、油藏专家经验获取预设时刻单井三相饱和度；根据单井三相饱和度并设定油藏边界条件及物理约束条件，采用Kriging方法插值演化预设时刻油气水三相饱和度场，得到目标油藏剩余油分布预测结果。本发明考虑了众多物理规律及油藏专家经验，从不完整、离散的油藏监测数据出发，外推出了更多油藏信息，为剩余油分布预测提供了完整、鲁棒的数据支撑。
一种基于历史预测油藏知识剩余分布方法装置

[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]一种基于渗流控制方程的储层纵向非均质性评价方法-CN202010890024.4有效
发明人：宋鹂影;宋洪庆;都书一;王九龙;于明旭 -专利权人：北京科技大学
申请日： 2020-08-28 - 公布日： 2021-08-03 - 主分类号： G06F30/20 文献下载
摘要：本发明提供一种基于渗流控制方程的储层纵向非均质性评价方法，属于油藏开发技术领域。该方法首先利用数值模拟技术获取油藏的样本数据集，然后建立基于油藏动态数据的特征提取器，设置多个特征提取器对动态数据进行特征提取，生成新的动态数据集，利用新的动态数据集与静态数据构建深度学习的训练集和测验集，基于物理约束条件定义新的损失函数，通过该函数去训练深度学习模型的权重与阈值，从而生成最优的纵向渗透率深度学习预测模型，利用测验集来测试深度学习的预测精度，根据深度学习的预测结果，定义了极差以及变异系数来表征储层的非均质性。本发明可应用于复杂地质情况下的对储层渗透率的预测，良好的解决复杂储层非均质性评价问题。
一种基于渗流控制方程纵向非均质性评价方法

[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

[发明专利]一种基于机器学习的井间连通性评价方法-CN201911256912.4有效
发明人：宋洪庆;都书一 -专利权人：北京科技大学
申请日： 2019-12-10 - 公布日： 2021-02-26 - 主分类号： G06F30/23 文献下载
摘要：本发明提出一种基于机器学习的井间连通性评价方法，包括：1)根据数值模拟技术获取数据集，包括动态数据与静态数据；2)对样本数据集中的动态数据进行特征关联性提取；3)对动态数据与储层样本中的静态数据进行归一化处理；4)将样本数据集划分为训练集与测试集，并构建机器学习模型的输入与输出；5)使用机器学习方法对模型的权值矩阵与偏置矩阵进行训练，获得训练模型；6)验证所述训练模型归一化后计算结果的准确性与有效性；7)利用所述训练模型根据动态数据计算出的地层平均渗透率定义井间的连通系数，表征井间连通性。本发明的方法只需要油田中最容易获取的各个井的动态生产数据得到储层地质信息，进而得到井间连通性。
一种基于机器学习连通性评价方法

[发明专利]一种基于机器学习的油田剩余油饱和度分布的预测方法-CN201910951088.8有效
发明人：宋洪庆;张启涛;李正一;都书一;王九龙 -专利权人：北京科技大学
申请日： 2019-10-08 - 公布日： 2020-10-13 - 主分类号： G06Q10/04 文献下载
摘要：本发明涉及一种油田剩余油饱和度分布的预测方法，其包括如下步骤：(1)从油田区块的历史数据获取样本数据集，包括动态样本数据和静态样本数据；(2)对样本数据集进行归一化处理；(3)对归一后的样本数据集中的静态样本数据进行特征关联性压缩；(4)在保留时间维度的基础上对已归一压缩的样本数据集进行降维处理；(5)分割已归一压缩并降维处理的样本数据集以获得训练集和测试集；(6)构建训练集的输入集和测试集的输入集；(7)使用机器学习方法对训练集输入集的权值矩阵和偏置项进行训练，并对关键数据单元进行强化训练，以获得最优训练模型；(8)根据最优训练模型获得测试集输出集，并进行逆归一化和升维处理。该方法可应用于目前复杂地质情况下的剩余油开采能力快速预测，其预测准确率及适应能力较强。
一种基于机器学习油田剩余饱和度分布预测方法

1
共 11 条