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！

龙图腾网获悉西南石油大学申请的专利一种基于自适应周期划分与深度学习的泡排时机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：CN120765069B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202511277752.7，技术领域涉及：G06Q10/0637；该发明授权一种基于自适应周期划分与深度学习的泡排时机预测方法是由陈雁;张朋;魏峰;熊斌;王帅;张艺萌;易雨;石诚;胡治权;朱敏;胡斌;曾星杰;王骞;张翀;尹红设计研发完成，并于2025-09-09向国家知识产权局提交的专利申请。

本一种基于自适应周期划分与深度学习的泡排时机预测方法在说明书摘要公布了：本发明公开了基一种基于自适应周期划分与深度学习的泡排时机预测方法，涉及石油工业采油气工程技术领域，包括以下步骤：S1，收集进行泡排操作的气井生产动态数据，并根据所述气井生产动态数据进行泡排周期的阶段划分；S2，对不同泡排阶段的动态数据进行采样，得到正负样本；S3，基于所述正负样本建立泡排剂加注时机预测模型；S4，将待预测的气井生产的动态数据输入泡排剂加注时机预测模型，得到泡排剂的加注时机的预测结果。本发明解决现有方法在动态适应性、数据特征挖掘以及阶段划分策略方面的缺陷，从而显著提高泡排剂加注时机的预测精度和可靠性，既可在气井出现积液问题之前进行干预，提高生产效率；又能及时提升气井产能，提高经济效益。

本发明授权一种基于自适应周期划分与深度学习的泡排时机预测方法在权利要求书中公布了：1.一种基于自适应周期划分与深度学习的泡排时机预测方法，其特征在于，包括以下步骤： S1，收集进行泡排操作的气井生产的动态数据，并根据所述气井生产动态数据进行泡排周期的阶段划分； S2，对不同泡排阶段动态数据进行采样，得到正负样本； S3，基于所述正负样本建立泡排剂加注时机预测模型； S4，将待预测的气井生产的动态数据输入泡排剂加注时机预测模型，得到泡排剂的加注时机的预测结果； 所述S1中，根据所述气井生产动态数据进行泡排周期的阶段划分，包括以下步骤： S101，将每两次泡排剂加注的时间间隔作为一个泡排周期，并对一个周期内的压差曲线进行拟合，得到压差拟合曲线； S102，根据泡排剂反应的机理与压差拟合曲线，将一个泡排周期划分为四个阶段：泡沫生成阶段、剧烈反应阶段、缓慢反应阶段、积液恢复阶段； 所述S3，基于所述正负样本建立泡排剂加注时机预测模型，具体包括： S301、将所述正负样本划分为训练集和测试集； S302、基于所采集的正负样本的特征，构建深度学习模型； S303、设置所述深度学习模型所需的超参数，利用训练集及测试集对所述深度学习模型进行训练、测试，输出泡排剂加注时机预测模型； 所述S303，其特征在于，所述超参数包括损失函数、优化器、学习率、学习轮数、早停机制； 所述S303，其特征在于，所述深度学习模型包括：一层一维卷积层、一层池化层、两层LSTM层、一层压差约束注意力机制层、一层全连接层； 所述S303，其特征在于，所述压差约束注意力机制层计算公式如下： 满足： 满足：； 其中，代表输入样本，代表可学习的投影权重矩阵，分别作用于将样本映射到查询空间、键空间、值空间，分别代表查询空间、键空间、值空间，代表时间长度，代表特征维度，代表门控向量，用于约束注意力分数的输出值，代表sigmoid激活函数，代表输入样本中的压差特征列，代表可学习的门控投影权重矩阵，代表门控偏置向量，代表将分数归一化为概率分布，代表向量哈达玛积，代表压差约束注意力机制层的输出。

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南石油大学，其通讯地址为：610500 四川省成都市新都区新都大道8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。