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)申请的专利基于自编码器钻井溢流井筒气体分布智能反演方法及系统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：CN120579401B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202511080382.8，技术领域涉及：G06F30/23；该发明授权基于自编码器钻井溢流井筒气体分布智能反演方法及系统是由孙小辉;孙竞轩;王金堂;王志远;孙宝江;张剑波;高永海;何海康;李学峰设计研发完成，并于2025-08-04向国家知识产权局提交的专利申请。

本基于自编码器钻井溢流井筒气体分布智能反演方法及系统在说明书摘要公布了：本发明涉及基于自编码器钻井溢流井筒气体分布智能反演方法及系统，属于油气及地热开发钻完井工程技术领域。包括：步骤1：对井筒多相流参数进行精确求解；步骤2：结合具体某一口溢流高风险井段的钻井工况和地质条件，基于蒙特卡洛抽样方法，改变8个参数，进行均匀采样，构成高精度模拟数据集；步骤3：构建基于自编码器神经网络的气侵状态反演的神经网络模型；步骤4：进行训练；步骤5：对监测数据中一维时间序列参数进行标准化；输入至训练好的基于自编码器神经网络的气侵状态反演的神经网络模型，得到当前时刻时间序列参数所在时间段内溢流气体在井筒内的分布数据。本发明实现了钻井溢流并控期间并筒内气体分布的实时快速反演。

本发明授权基于自编码器钻井溢流井筒气体分布智能反演方法及系统在权利要求书中公布了：1.基于自编码器钻井溢流井筒气体分布智能反演方法，其特征在于，包括： 步骤1：对井筒多相流参数进行精确求解，包括井筒内气和钻井液的运移速度、各相含量、压力和温度分布； 步骤2：结合具体某一口溢流高风险井段的钻井工况和地质条件，基于蒙特卡洛抽样方法，改变以下8个参数包括欠压值、溢流速率、地面钻井液密度、地面钻井液排量、地面钻井液温度、地层温度梯度、钻井深度、溢流时间，进行均匀采样，构成高精度模拟数据集； 步骤3：构建基于自编码器神经网络的气侵状态反演的神经网络模型； 步骤4：对步骤3构建的基于自编码器神经网络的气侵状态反演的神经网络模型进行训练； 步骤5：将构建的基于自编码器神经网络的气侵状态反演的神经网络模型进行部署，基于步骤2中的方法，对监测数据中一维时间序列参数进行标准化；将标准化后的时间序列参数输入至步骤4训练好的基于自编码器神经网络的气侵状态反演的神经网络模型，得到当前时刻时间序列参数所在时间段内溢流气体在井筒内的分布数据； 构建基于自编码器神经网络的气侵状态反演的神经网络模型；包括： 步骤3-1：构建对称卷积自编码器SCAE； 对称卷积自编码器SCAE包括编码器和解码器； 假设输入SCAE的气侵状态数据为即二维时空序列，编码器通过多层卷积操作，将井下气侵状态数据压缩至低维的潜在空间，生成隐变量解码器则通过多层反卷积从z重构出解压缩的气侵数据具体定义如下： 式中：l表示卷积或反卷积的总层数，*表示卷积操作，σ·为激活函数；编码器Encoder通过堆叠多层卷积逐步降低空间维度，最终将数据压缩为低维向量z；表示反卷积操作，解码器Decoder通过反卷积层逐步恢复数据空间维度，最终输出与输入同尺寸的重构数据分别表示第l层的卷积与反卷积操作；Hl-1表示第l层卷积或反卷积的输入，也是前一层的输出，即第l-1层卷积或反卷积的输出；表示第l层卷积操作的卷积核与偏置参数；表示第l层反卷积操作的卷积核与偏置参数； 步骤3-2：构建隐变量回归网络LRN； 隐变量回归网络LRN是结合多头自注意力机制的前馈神经网络，通过测录井数据来预测隐变量首先，通过前馈神经网络对原始测录井数据进行特征提取；随后，引入多头注意力机制，通过动态计算输入中不同位置的关联权重，自适应地聚合全局信息；随后，衔接残差连接与层归一化，缓解梯度消失并稳定训练过程，最终，输出与自编码器潜在空间维度匹配的压缩变量 基于自编码器神经网络的气侵状态反演的神经网络模型的输入数据为单参数值和一维时间序列，输出数据为二维时空序列； 单参数值包括：钻井井深、溢流时间； 一维时间序列包括：泥浆池增量、井底压力、井底温度、立管压力、出口持液率、出口压力、出口流量、出口温度； 二维时空序列包括：井筒含气率分布。

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：257061 山东省东营市东营区北一路739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。