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);沈阳化工大学申请的专利基于气泡注意力机制的管道内多相流压力特征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：CN120611639B 。

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：202511107740.X，技术领域涉及：G06F30/27；该发明授权基于气泡注意力机制的管道内多相流压力特征预测方法是由孟辉波;禹言芳;蒋文春;王大典设计研发完成，并于2025-08-08向国家知识产权局提交的专利申请。

本基于气泡注意力机制的管道内多相流压力特征预测方法在说明书摘要公布了：本发明公开了一种基于气泡注意力机制的管道内多相流压力特征预测方法，属于气液多相流压力预测技术领域。本发明的预测方法包括步骤：获取若干压力时间序列数据并划分为训练集、测试集；将压力时间序列数据分解为低波动、高波动序列；建立由低波动序列ARIMA预测模块和高波动序列TCN‑LSTM预测模块组成的压力特征预测模型；利用训练集对压力特征预测模型进行训练，并利用测试集评估该模型性能；利用训练成熟的压力特征预测模型对管道内多相流未来压力时间序列进行预测；基于预测结果识别流型并计算气泡动力学相关参数，综合分析管道内气液多相流的压力特征。本发明的方法能够准确预测含超多气泡的管道内复杂气液多相流的非线性压力特征的发展规律。

本发明授权基于气泡注意力机制的管道内多相流压力特征预测方法在权利要求书中公布了：1.一种基于气泡注意力机制的管道内多相流压力特征预测方法，其特征在于，包括步骤： S1、获取管道内不同流型的气液多相流压力时间序列数据，进行数据预处理，并划分为训练集和测试集； S2、将预处理后的压力时间序列数据分解为低波动序列数据及高波动序列数据； S3、建立由低波动序列ARIMA预测模块和高波动序列TCN-LSTM预测模块组成的压力特征预测模型，并设置压力特征预测模型的输出结果为低波动预测结果与高波动预测结果的融合； S4、基于步骤S3所建立的压力特征预测模型，分别利用低波动序列数据的训练集对低波动序列ARIMA预测模块、利用高波动序列数据的训练集对高波动序列TCN-LSTM预测模块进行训练，当损失函数表现收敛且达到预设值后结束迭代，得到训练成熟的压力特征预测模型； S5、利用低波动序列数据、高波动序列数据的测试集对步骤S4训练成熟的压力特征预测模型进行测试，评估压力特征预测模型的最终性能表现； S6、将待预测管道内多相流已知压力时间序列数据输入训练成熟的压力特征预测模型，利用训练成熟的压力特征预测模型对管道内多相流未来压力时间序列进行预测； S7、基于步骤S6的预测结果识别流型并计算气泡动力学相关参数，综合分析管道内气液多相流的压力特征。

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);沈阳化工大学，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”。

以上内容由龙图腾AI智能生成。