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！

龙图腾网获悉山东理工大学申请的专利一种抽油机井多源半监督类增量工况识别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：CN120180382B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202510256300.4，技术领域涉及：G06F18/27；该发明授权一种抽油机井多源半监督类增量工况识别方法及系统是由周斌;赵玮玮;杨硕;杨建国设计研发完成，并于2025-03-05向国家知识产权局提交的专利申请。

本一种抽油机井多源半监督类增量工况识别方法及系统在说明书摘要公布了：一种抽油机井多源半监督类增量工况识别方法及系统，涉及抽油机井工况识别技术领域。其特征在于：包括如下步骤：步骤1，分别存储实测地面示功图、实测电功图的样本库；步骤2，分别为实测地面示功图和实测电功图两个数据源构建图神经网络教师模型；步骤3，动态融合各教师模型的预测概率；步骤4，进行多源数据蒸馏学习；步骤5，使用逻辑回归分类器改进的标签传播算法进行半监督工况识别。通过本抽油机井多源半监督类增量工况识别方法及系统，将基于注意力机制的多源融合技术、类增量学习和半监督学习同时应用于抽油机井类增量工况识别，充分利用少量多源标记工况样本，并结合大量多源未知工况样本来实现更高效、鲁棒、实用的抽油机井工况识别。

本发明授权一种抽油机井多源半监督类增量工况识别方法及系统在权利要求书中公布了：1.一种抽油机井多源半监督类增量工况识别方法，其特征在于：包括如下步骤： 步骤1，分别存储包含标记和未标记抽油机井工况对应的实测地面示功图、实测电功图两个数据源的样本库； 步骤2，分别为实测地面示功图和实测电功图两个数据源构建图神经网络教师模型； 步骤3，利用Squeeze-and-Excitation注意力机制动态融合各教师模型的预测概率； 步骤4，使用Kullback-Leibler散度进行多源数据蒸馏学习； 步骤5，使用逻辑回归分类器改进的标签传播算法进行半监督工况识别； 步骤4具体包括如下步骤： 步骤4-1，在学习任务t时，通常将模型Gt作为学生模型，任务t-1的模型Gt-1作为模型Gt的教师模型，教师模型和学生模型的输出预测概率之间的蒸馏损失LKL通过KL散度来计算： 其中，Tt-1为任务t-1后学习类别的数量，表示第t-1个任务多源教师模型输出的预测概率，表示第t个任务学生模型输出的预测概率； 步骤4-2，任务t总损失函数Lt由交叉熵损失函数Lc和多源数据蒸馏损失LKL组成，交叉熵损失函数Lc表示为： 其中，ct表示任务t样本类别数，ptLt表示任务t中有标签样本特征表示融合后的模型预测结果，表示任务t中第i个标签样本的真实标签； 步骤4-3，总损失函数Lt计算公式为： Lt＝Lc+λLKL 其中，Lc表示交叉熵损失函数，LKL为教师模型和学生模型的输出预测概率之间的蒸馏损失，λ为多源数据蒸馏损失函数的权重。

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山东理工大学，其通讯地址为：255086 山东省淄博市高新技术产业开发区高创园A座313室；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。