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！

龙图腾网获悉中国石油大学(华东)申请的专利基于离散小波变换和神经网络的产油或CO₂埋存量预测方法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：CN116307034B 。

龙图腾网通过国家知识产权局官网在2025-09-09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：202211539490.3，技术领域涉及：G06Q10/04；该发明授权基于离散小波变换和神经网络的产油或CO₂埋存量预测方法是由杨永飞;梁超;姚军;张凯;宋文辉;孙海;张磊;钟俊杰;刘夫贵;徐泉设计研发完成，并于2022-12-02向国家知识产权局提交的专利申请。

本基于离散小波变换和神经网络的产油或CO₂埋存量预测方法在说明书摘要公布了：本发明公开了一种基于离散小波变换和神经网络的产油或CO2埋存量预测方法，属于油田生产预测领域，包括如下步骤：通过油藏数值模拟器进行迭代计算，获取油田生产时序数据；对油田生产时序数据进行预处理；采用Spearman相关性分析筛选出与标签时序数据具有强相关性的数据作为输入特征；采用离散小波变换分解时序标签数据月产油量或月CO2埋存量；划分数据集；构建融合Bi‑LSTM和LSTM的混合神经网络；训练包含离散小波变换、Bi‑LSTM神经网络、LSTM神经网络、逆小波变换的整体神经网络模型；测试优化后的神经网络模型；实时预测月产油量或月CO2埋存量。本发明在短时间内提取大量生产数据中有价值的特征信息，预测准确性高。

本发明授权基于离散小波变换和神经网络的产油或CO₂埋存量预测方法在权利要求书中公布了：1.一种基于离散小波变换和神经网络的产油或CO2埋存量预测方法，其特征在于，包括如下步骤： 步骤1、根据某油藏区块基础生产资料，通过油藏数值模拟器进行迭代计算，获取油田生产时序数据； 步骤2、采用拉格朗日线性插值法和Min-Max标准化法对油田生产时序数据进行预处理； 步骤3、根据步骤2中预处理之后的油田生产时序数据，采用Spearman相关性分析筛选出与标签时序数据具有强相关性的数据作为输入特征； 步骤4、采用离散小波变换DWT分解时序标签数据月产油量和月CO2埋存量； 步骤5、划分数据集，其中前80％作为训练集，用于优选出最佳的神经网络模型；20％数据作为验证集，用于测试模型的预测准确性； 步骤6、构建融合Bi-LSTM和LSTM的混合神经网络Γ，利用Bi-LSTM学习输入的油田生产时序数据与标签数据正反两个方向特征，捕捉数据的非线性特征关系；根据Bi-LSTM捕获的特征信息利用LSTM沿时间正向预测月产油量或月CO2埋存量； 步骤7、训练包含离散小波变换DWT、Bi-LSTM神经网络Φj、LSTM神经网络Φ*j、逆小波变换InverseWT的整体神经网络模型； 步骤8、测试优化后的神经网络模型，输出测试完成且性能良好的优化神经网络模型； 步骤9、实时监控油田生产情况，将实时获取到的油田生产时序数据输入优化后的神经网络模型，进而得到月产油量或月CO2埋存量的预测值。

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中国石油大学(华东)，其通讯地址为：266580 山东省青岛市黄岛区长江西路66号；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”。