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！

龙图腾网获悉中法渤海地质服务有限公司申请的专利一种LIBS与随机森林算法结合的储层流体识别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：CN116776078B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202310646299.7，技术领域涉及：G06F18/10；该发明授权一种LIBS与随机森林算法结合的储层流体识别方法是由徐长敏;李重逢;袁胜斌;崔玉良设计研发完成，并于2023-06-02向国家知识产权局提交的专利申请。

本一种LIBS与随机森林算法结合的储层流体识别方法在说明书摘要公布了：本发明提出一种LIBS与随机森林算法结合的储层流体识别方法，包括LIBS光谱数据收集及处理、随机森林算法模型的构建、随机森林算法模型训练以及利用模型对未知储层流体识别四个步骤，本发明通过先基于测井样本的LIBS光谱数据输入特征，并分别研究输入特征数量和不同特征组合对算法预测结果的影响，然后利用该算法对输入特征与井中储层信息之间的非线性关系进行学习，最后根据学习结果对储层进行综合判别，实现多种流体识别因子的综合分析，继而能够削弱单一流体识别因子所引起的多解性，提高了油气储层流体识别的精度与可靠性，解决现有技术中油气储层流体识别精度交底的问题。

本发明授权一种LIBS与随机森林算法结合的储层流体识别方法在权利要求书中公布了：1.一种LIBS与随机森林算法结合的储层流体识别方法，其特征在于：包括以下步骤： 步骤一、LIBS光谱数据收集及处理 选择实验区域，该实验区域内分布有若干组测井，分别从每组测井含气储层和含水储层所在区域的测井数据中提取若干组不同位置，采集LIBS光谱，由此获得若干组测井样本的LIBS光谱数据，然后进行预处理，获得处理后的LIBS光谱数据； 步骤二、随机森林算法模型的构建 通过随机重复采样和随机特征选取两个随机性来构建多棵随机森林决策树，具体步骤为： S1：Bootstrap重复采样方法； S2：随机特征选取指标； S3：确定最优分裂节点； S4：决策分类； 所述步骤二中，Bootstrap重复采样方法具体为：将基于测井数据所生成的储层流体LIBS光谱原始训练数据集记为D＝[xi]1，[xi]2，…，xi]n，yi，采用Bootstrap采样方法从D中随机抽取K次，形成K个独立分布的训练数据子集{Dk，k＝1，2，…，K}，所述步骤二中，随机特征选取指标具体为：根据K个数据集分别建立不做任何剪裁处理的最大限度生长的决策树，然后根据信息增益率公式计算从训练子集中随机选取的一部分特征因子所蕴含的信息增益率，所述步骤二中，确定最优分裂节点具体为：对信息增益率最大的候选流体识别因子进行分裂，并重新根据信息增益率公式计算信息增益率，之后重复该分裂步骤直到信息增益率小于设定阈值，最后生成包含K棵决策树的森林模型，所述步骤二中，决策分类具体为：将基于测井数据建立的众多用于流体识别的决策树集成起来构建随机森林分类器，然后利用该随机森林分类器对所得到的流体识别因子进行分类，并统计森林中所有决策树的预测结果，选择在各棵决策树的分类结果中出现频率最高的作为最终的分类结果； 步骤三、随机森林算法模型训练 将单类流体识别因子引入步骤二中构建的随机森林算法模型中，对验证集样本进行含气、含水识别，根据识别结果选取流体识别因子，并将这些流体识别因子按照排列组合方式分别选取1，2，…，N类组成新的训练数据集，再应用随机森林算法模型对新的验证集样本进行判别，并从判别结果中找到适合于该区域进行含气、含水识别的流体识别因子的类别及数量； 步骤四、利用模型对未知储层流体识别 根据步骤三训练后的随机森林算法模型，对未知样品进行流体识别，先检测未知样品的LIBS光谱数据，然后输入未知样品的LIBS光谱数据，通过模型得到未知样品的含气储层和含水储层识别结果。

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法渤海地质服务有限公司，其通讯地址为：300457 天津市滨海新区信环西路19号天河科技园1号楼3层；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。