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！

龙图腾网获悉长江大学申请的专利一种基于机器学习的剩余油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：CN119579348B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202411621768.0，技术领域涉及：G06Q50/06；该发明授权一种基于机器学习的剩余油预测方法是由刘康霖;张国威;吴树晖;连心怡;李宇昆设计研发完成，并于2024-11-14向国家知识产权局提交的专利申请。

本一种基于机器学习的剩余油预测方法在说明书摘要公布了：本发明涉及石油工程技术领域，具体为一种基于机器学习的剩余油预测方法；包括多源异构数据采集、数据处理、多模态融合机器学习模型构建、地形地貌影响评估、油品抽样检测、基于油品数据的预测佐证、动态反馈数据采集、模型动态调整与迭代等步骤，本发明通过多源异构数据采集、多模态融合机器学习模型以及对地形地貌的多维度影响评估，实现剩余油精准预测和环境风险全面把控，这有利于优化开采方案、降低环境破坏；既能精准确定剩余油可采集量，提高采收率，又能准确评估开采对地形、生态、水文的影响，减少环境问题。

本发明授权一种基于机器学习的剩余油预测方法在权利要求书中公布了：1.一种基于机器学习的剩余油预测方法，其特征在于，包括如下步骤： S1：多源异构数据采集：采集涵盖油田地质、开采历史、油藏特性、周边地形地貌的多源异构数据；其中，地质数据包括油层的三维结构、微观孔隙结构数据；开采历史数据涵盖开采方式、采油量信息；油藏特性数据包含原油和地层水化学参数；地形地貌数据有高分辨率遥感和地理信息系统多图层数据； S2：数据预处理：对S1中采集到的所有数据进行清洗、归一化和降维处理； S3：多模态特征提取：运用深度学习方法提取S1中采集的数据特征； S4：多模态融合机器学习模型构建：构建融合多种机器学习算法的模型，将S3中不同模态特征整合，用于后续预测和评估； S5：初始剩余油预测：将S2中预处理和S3中特征提取后的初始数据输入S4中的模型，输出剩余油可采集量预测值； S6：地形地貌影响评估：从地形稳定性、生态系统破坏风险、地下水文变化风险多维度评估开采对地形地貌的影响，分析开采对周边环境的潜在影响； S7：油品抽样检测：在开采过程中不定期对采集的油进行抽样，检测油品物理和化学性质； S8：基于油品数据的预测佐证：将S6中油品抽样检测数据融入S4中的模型，从油品特性变化趋势与模型预测结果相关性角度，对剩余油预测结果进行佐证和优化； S9：动态反馈数据采集：利用物联网传感器在开采现场实时采集多维度数据，为模型迭代提供依据； S10：模型动态调整与迭代：基于增量学习算法，根据新采集的实时数据对模型进行动态调整和重新训练，同时优化学习率和采用模型压缩技术提高模型性能。

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长江大学，其通讯地址为：434023 湖北省荆州市南环路1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”。

以上内容由龙图腾AI智能生成。