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！

龙图腾网获悉西安石油大学申请的专利一种注采井连通性建模与产量预测方法及装置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：CN120745951B 。

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：202511212702.0，技术领域涉及：G06Q10/04；该发明授权一种注采井连通性建模与产量预测方法及装置是由李伟荣;徐一铭;郭晨虹;王伟;邹路;祁迹;董珍珍设计研发完成，并于2025-08-28向国家知识产权局提交的专利申请。

本一种注采井连通性建模与产量预测方法及装置在说明书摘要公布了：本申请公开了一种注采井连通性建模与产量预测方法及装置，涉及油藏工程技术领域。包括：基于预处理后的时序注采数据，依据筛选条件构建空间拓扑图结构；构建基于LSTM‑GAT网络的产量预测模型，将空间拓扑图结构作为图注意力机制的输入，利用长短期记忆网络提取注气井和生产井的时间依赖特征，利用图注意力机制提取注气井和生产井的空间依赖关系，以输出生产井在未来时刻的预测产量；构建适应度函数，引入鲸鱼优化算法对注采参数进行全局寻优，获得最优注采参数组合；输出最优注采参数组合。解决了现有方法在确定井间连通关系时需要大量的地质数据和实验成本，且分析过程复杂、耗时较长，难以实现注采参数的精准优化的问题。

本发明授权一种注采井连通性建模与产量预测方法及装置在权利要求书中公布了：1.一种注采井连通性建模与产量预测方法，其特征在于，包括： 采集油藏中注气井与生产井的时序注采数据，并进行预处理，基于预处理后的时序注采数据，依据筛选条件构建空间拓扑图结构；其中，时序注采数据包括注采参数在不同时间点的取值信息； 构建基于LSTM-GAT网络的产量预测模型，将空间拓扑图结构作为图注意力机制的输入，利用长短期记忆网络提取注气井和生产井的时间依赖特征，利用图注意力机制提取注气井和生产井的空间依赖关系，以输出生产井在未来时刻的预测产量； 构建以预测产量为目标的适应度函数，引入鲸鱼优化算法对注采参数进行全局寻优，获得最优注采参数组合； 输出最优注采参数组合； 所述构建基于LSTM-GAT网络的产量预测模型，将空间拓扑图结构作为图注意力机制的输入，利用长短期记忆网络提取注气井和生产井的时间依赖特征，利用图注意力机制提取注气井和生产井的空间依赖关系，以输出生产井在未来时刻的预测产量，包括： 将注气井与生产井的时序注采数据划分为定长滑动窗口，以形成多个样本，定长滑动窗口具有固定的时间长度，将该长度所包含的时间点数量作为时间步； 对于每个节点，在每个滑动窗口内存在多个注采参数，将注采参数按时间顺序排列，形成多维注采参数序列； 将每个节点的多维注采参数序列输入至LSTM-GAT网络的产量预测模型中，模型以四维张量的格式输出窗口末端生产井在未来时刻的预测产量；其中，四维张量为样本数、时间步、节点数和特征维度；特征维度表示每个节点在每个时间点上的注采参数的数量； 长短期记忆网络以二维张量输出的隐藏状态张量代表每口井在当前滑动窗口内的时序特征表示；其中，二维张量为节点数和特征维度； 将每口井在当前滑动窗口内的时序特征表示作为图注意力网络节点特征，将空间拓扑图结构作为图注意力机制的输入； 图注意力网络采用多头注意力机制，计算目标节点与相邻节点之间的注意力权重，以学习不同注气井与生产井之间的影响程度；其中，目标节点为生产井，相邻节点为与生产井存在边连接的注气井； 目标节点与相邻节点之间的注意力权重的计算公式为：；其中，为目标节点与相邻节点之间的注意力权重，为指数函数，为线性整流函数，为可训练的注意力参数向量的转置，为向量拼接操作，为线性变换矩阵，为目标节点在当前滑动窗口内的时序特征表示，为相邻节点在当前滑动窗口内的时序特征表示，为与目标节点i存在边连接的相邻节点集合，为索引，为相邻节点集合中第个相邻节点的时序特征表示； 基于目标节点与相邻节点之间的注意力权重，分别在单头注意力机制和多头注意力机制下对相邻节点的特征进行加权求和操作，以更新目标节点在当前滑动窗口内的时序特征，并从不同子空间捕捉节点之间的关系； 在单头注意力机制下，目标节点在当前滑动窗口内更新后的时序特征的计算公式为：；其中，为在单头注意力机制下，目标节点在当前滑动窗口内更新后的时序特征； 在多头注意力机制下，目标节点在当前滑动窗口内更新后的时序特征的计算公式为：；其中，为在多头注意力机制下，目标节点在当前滑动窗口内更新后的时序特征，为并行设置的独立注意力头的数量，为索引，为第个注意力头的变换矩阵，为在第个注意力头下，目标节点与相邻节点之间的注意力权重，为拼接操作； 将图注意力网络输出的每个目标节点的时序特征输入全连接层，经过一层或多层非线性变换，输出目标节点的预测产量； 将预测产量与实际历史数据进行误差计算，用于对基于LSTM-GAT网络的产量预测模型进行训练优化； 所述构建以预测产量为目标的适应度函数，引入鲸鱼优化算法对注采参数进行全局寻优，获得最优注采参数组合，包括： 将鲸鱼个体的位置向量作为注采参数组合输入基于LSTM-GAT网络的产量预测模型中，得到该组合下的预测产量序列，；其中，为预测的时间跨度内，不同时间点上的预测产量； 基于预测产量确定适应度函数； 适应度函数的表达式为：；其中，为适应度值，为预测的时间跨度，为在第个月，基于注采参数组合通过基于LSTM-GAT网络的产量预测模型得到的产量，为原始地质储量，为油藏孔隙体积； 遍历所有预测产量对应的适应度函数值，选出适应度函数值最高的注采参数组合，将其作为当前迭代的全局最优解，并记录当前迭代的全局最优解在参数空间中的位置； 将当前迭代得到的全局最优解的位置作为包围和螺旋运动的目标点，调整其他注采参数组合的位置，以获得最优注采参数组合。

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安石油大学，其通讯地址为：710065 陕西省西安市电子二路东段18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。