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！

龙图腾网获悉西安石油大学申请的专利结合常微分方程与神经网络预测储层含水饱和度的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：CN119833026B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202411889935.X，技术领域涉及：G16C20/70；该发明授权结合常微分方程与神经网络预测储层含水饱和度的方法是由李金阳;何志州;张留美;宋彩利;马刚设计研发完成，并于2024-12-20向国家知识产权局提交的专利申请。

本结合常微分方程与神经网络预测储层含水饱和度的方法在说明书摘要公布了：结合常微分方程与神经网络预测储层含水饱和度的方法，在石油储层地质模型中提取出一口井的测井数据，将数据预处理过后的测井数据先送入卷积神经网络进行数据特征的放大，再进入长短期记忆网络计算出隐藏层状态与细胞状态，最主要利用固定步长的四阶龙格库塔法来数值求解微分方程得到新的隐藏层状态从而提高训练预测的精度，最后用最优模型参数来预测储层含水饱和度；本发明着重考虑了通过引入常微分方程求解有效捕捉隐藏状态的动态变化规律，提升了模型的含水饱和度预测精度和稳定性，也为油气田开发的决策过程提供更为精确的依据。

本发明授权结合常微分方程与神经网络预测储层含水饱和度的方法在权利要求书中公布了：1.结合常微分方程与神经网络预测储层含水饱和度的方法，其特征在于，包括以下步骤： 步骤1：在石油储层地质模型中提取出一口井的测井数据，并对其进行数据预处理； 步骤2：将步骤1预处理过后的测井数据送入3层一维卷积神经网络CNN中，放大后提取输入数据的特征并将其进行非线性激活； 步骤3：将步骤2非线性激活后的数据特征形状重塑，并送入包含常微分方程ODE求解的2层长短期记忆单元LSTMCell中计算得到最后一个时间步的输出； 步骤4：将步骤3得到的最后一个时间步的输出进行均方误差损失函数的计算，以此来训练整体的神经网络，保存最优的网络模型参数； 步骤5：加载步骤4保存的最优网络模型参数进行对测井数据中的一段含水饱和度进行预测得到结果； 步骤1的具体过程为： 步骤1.1：将提取到的LAS格式的测井数据转换为CSV格式； 步骤1.2：通过均值法进行对缺失值以及异常值的填充与替换； 步骤1.3：将CSV格式文件以16个数据为一组时间序列、除去含水饱和度的其余10个测井参数作为特征、批次大小设置为32，构建训练数据集； 步骤2的具体过程为： 步骤2.1：将第一层卷积输入特征数量调整为10，以适配步骤1最后所得到的32×16×10的数据集； 步骤2.2：将数据集送入3层卷积网络后对其进行ReLu非线性激活。

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西安石油大学，其通讯地址为：710065 陕西省西安市电子二路东段18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。