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)申请的专利一种基于混合深度学习框架的井筒运行状态智能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：CN120744400B 。

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：202511223458.8，技术领域涉及：G06F18/20；该发明授权一种基于混合深度学习框架的井筒运行状态智能预测方法是由苏玉亮;庄新宇;王文东;邓雨轩;贾明巍;郝永卯;李蕾设计研发完成，并于2025-08-29向国家知识产权局提交的专利申请。

本一种基于混合深度学习框架的井筒运行状态智能预测方法在说明书摘要公布了：本发明公开了一种基于混合深度学习框架的井筒运行状态智能预测方法，属于石油工程油气田开发工程领域，包括如下步骤：建立地质封存井筒瞬态温度‑压力耦合数学模型，并进行数值求解；构建涵盖CO2注入和泄漏工况的双重序列特征数据库；采用并行架构处理双重序列特征构建改进型双重注意力网络；通过耦合改进型双重注意力网络和时间融合Transformer建立混合深度学习框架DT‑DANet；采用复合损失函数对混合深度学习框架进行协同优化训练，该框架的输出为不同时间步下的井筒压力剖面、温度剖面及相态分布。本发明实现了CO2地质封存过程中井筒多参数动态演化的高精度预测。

本发明授权一种基于混合深度学习框架的井筒运行状态智能预测方法在权利要求书中公布了：1.一种基于混合深度学习框架的井筒运行状态智能预测方法，其特征在于，包括如下步骤： 步骤1、建立地质封存井筒瞬态温度-压力耦合数学模型，并进行数值求解； 步骤2、构建涵盖CO2注入和泄漏工况的双重序列特征数据库； 步骤3、采用并行架构处理双重序列特征构建改进型双重注意力网络； 改进型双重注意力网络通过掩码自注意力机制、基于卷积增强的时序模式注意力机制两种互补的注意力机制提取局部时空特征；其中，掩码自注意力机制提取沿井筒深度的空间分布特征，时序模式注意力机制提取CO2注入及泄漏作业周期内的局部时序特征； 掩码自注意力机制的基本原理是通过掩码操作控制信息流方向，同时通过相对位置编码来增强深度位置的信息表示；给定输入序列，其中表示第个井筒深度位置的特征向量，掩码矩阵设计遵循单向信息流的原则： ； 式中，为井筒深度位置索引；为源深度位置；具体位置编码方程如下： ； ； 式中，为编码函数；为编码维度索引；为特征维度总数；为控制维度间周期性变化的缩放因子； 时序模式注意力机制的具体工作过程为：不同运行时间下的时序数据经过预处理后，提取出一系列隐藏状态向量并构成了隐藏状态矩阵；使用一维卷积核沿着隐藏状态矩阵的行向量进行卷积操作，得到时序模式矩阵，具体公式为： ； 式中，为第个行向量通过第个滤波器所提取的时序模式矩阵元素；为一维卷积核的感受野宽度的索引序号；为一维卷积核的感受野宽度；为第个行向量通过第个滤波器所提取的时序模式矩阵元素；为第个滤波器的第个权重；为当前时间步；为时间步总数；将评分函数定义为sigmoid函数，作为注意力权重计算的激活函数，则权重计算的表达式为： ； ； 式中，为评分函数；为的第个行向量；为转置；为当前时间步的隐藏层状态；为自主学习的权重矩阵；为归一化后的权重参数；为sigmoid函数； 采用权重矩阵对时序模式矩阵的每一行进行加权求和，得到当前时间步的注意力向量，公式为： ； 式中，为时序模式注意力机制输入变量的特征总数； 随后，注意力向量和隐藏层状态经过加权线性映射后叠加，得到时序模式注意力机制的输出值，公式如下： ； 其中，为时的输出值；为预测时间长度；和分别为隐藏层状态和注意力向量的权重参数矩阵； 步骤4、通过耦合改进型双重注意力网络和时间融合Transformer建立混合深度学习框架DT-DANet； 步骤5、采用复合损失函数对混合深度学习框架进行协同优化训练，该框架的输出为不同时间步下的井筒压力剖面、温度剖面及相态分布。

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：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。