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)申请的专利一种深度学习辅助加速的压裂施工参数智能实时优化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：CN121091692B 。

龙图腾网通过国家知识产权局官网在2026-03-03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：202511623192.6，技术领域涉及：G05B13/04；该发明授权一种深度学习辅助加速的压裂施工参数智能实时优化方法是由张伟;金傲然;袁彬;赵明泽设计研发完成，并于2025-11-07向国家知识产权局提交的专利申请。

本一种深度学习辅助加速的压裂施工参数智能实时优化方法在说明书摘要公布了：本发明公开了一种深度学习辅助加速的压裂施工参数智能实时优化方法，属于非常规油气田开发领域，步骤为：构建涵盖地质属性、工程参数与压裂效果响应的结构化样本数据库，对多源数据进行统一预处理；构建多模态时空协同预测模型，结合多膨胀时许卷积网络、三维残差网络与交叉注意力机制；基于数据库开展监督学习训练，引入稀疏正则与学习率调度，提升模型精度与泛化能力；提出外层贝叶斯搜索—内层CMA‑ES精修的层次化协同优化框架，在复杂约束下实现储层改造体积最大化与施工可行性；相比于已有方法，本发明的优化参数不仅包括簇距段距，更包括排量、砂浓度、压裂液类型等施工参数，且本发明能够利用机器学习代理模型实现压裂施工参数实时优化。

本发明授权一种深度学习辅助加速的压裂施工参数智能实时优化方法在权利要求书中公布了：1.一种深度学习辅助加速的压裂施工参数智能实时优化方法，其特征在于，包括以下步骤： 步骤1：基于实际地质与工程数据，利用数值模拟构建多段水平井压裂模拟模型；通过调控储层地质属性参数与压裂施工参数，开展多次压裂数值模拟，获取对应的储层改造体积模拟结果； 步骤2：对多源数据进行统一预处理，包括对储层地质属性参数、压裂施工参数与储层改造体积进行归一化处理，以及对井筒孔眼位置图像和天然裂缝图像的阈值化、重采样与特征拼接； 步骤3：构建多模态时空协同预测模型，融合多膨胀时序卷积网络、带空间注意力的3D残差网络和双向交叉注意力机制，实现储层改造体积的端到端高精度实时预测； 步骤4：设计损失函数并构建基于AdamW和余弦退火的训练策略，引入结构化稀疏正则约束以强化关键参数辨识，并结合自适应优化与学习率调度，全面提升预测精度与泛化能力； 步骤5：将外层贝叶斯全局搜索、内层CMA-ES连续精修与离散邻域切换整合为一个协同优化框架，并调用目标函数对候选解进行快速评价，实现全局方向、局部精修与类别跳出的有机统一，从而在复杂约束条件下获得兼顾储层改造体积最大化与工程可施工性的实时优化压裂施工方案； 所述步骤3中包括以下子步骤： 步骤3.1：针对压裂施工参数的时序特性，构建多膨胀时序卷积网络提取压裂施工时序特征； 步骤3.2：针对储层地质属性的空间结构，构建三维卷积残差网络提取储层空间特征； 步骤3.3：引入双向交叉注意力机制建模压裂施工与储层属性间的非线性交互关系，得到双向注意力交互特征； 步骤3.4：将储层空间特征、压裂施工时序特征和双向注意力交互特征进行融合拼接得到多源拼接张量，将多源拼接张量通过全连接层压缩到低纬表征，并做层归一化与ReLU激活函数处理，最终利用预测头将该表征映射为最终的储层改造体积预测值； 所述步骤5包括以下子步骤： 步骤5.1：建立压裂施工参数的硬约束优化范围，按阶段硬约束将压裂施工参数化为混合向量，在可行范围内以随机采样生成多组可行解； 所述步骤5.1中，包括以下子步骤： 步骤5.1.1、依据压裂工艺，将压裂施工参数分成四个关键阶段：前置液阶段、携砂液初期阶段、携砂液后期阶段、顶替液阶段，对每阶段变量施加硬约束优化范围，变量包括压裂液类型、支撑剂类型、泵注速率、砂浓度、液量； 步骤5.1.2：为各阶段构建泵注速率、砂浓度、液量的形状函数，用起点值、终点值、变化趋势参数来生成每阶段泵注速率曲线、砂浓度变化曲线、液量分布曲线，并经区间映射至硬约束优化范围，将簇间距、阶段离散变量与形状函数融合，在硬约束优化范围内进行随机抽样得到一批混合变量H，其中阶段离散变量为压裂液类型换和支撑剂类型； 步骤5.1.3、将混合向量H展开为24时间步的具体参数，并对不满足硬约束优化范围的进行区间裁剪、禁砂、禁支、相邻跳变限幅、一致性微调，并记录元数据，包括修复幅度、跳变超限次数、输砂越界比例、类别纠偏次数； 步骤5.2：利用外层贝叶斯全局搜索所有可行解，对所有可行解利用采集函数进行打分，并利用采样选取得分最优的p个候选解，作为外层全局搜索的输出； 所述步骤5.2中，设计采集函数包括以下子步骤： 步骤5.2.1：设计目标函数并引入多维惩罚项，具体为： 将储层改造体积与工程可施工性合成为单一目标函数： ；5 其中，为多模态时空协同预测模型的输出，为对H进行修复后的压裂施工参数，为惩罚系数，为压裂施工参数合理性的软惩罚； 设计四类惩罚函数，用于对目标函数中的不合理解进行抑制与调节： ；6 其中，为相邻跳变惩罚权重，为相邻跳变惩罚函数，为平滑度惩罚权重，为平滑度惩罚函数，为砂输送能力惩罚权重，为砂输送能力惩罚函数，为复杂度惩罚权重，为复杂度惩罚函数； 步骤5.2.2：利用步骤5.1.3中的元数据，使用梯度提升决策树训练可行度模型，输出混合变量H满足步骤5.1.1中设定的硬约束优化范围的概率； 步骤5.2.3：以为目标，建立混合变量贝叶斯优化模型，利用多模态时空协同预测模型以输出计算预测均值、方差供混合变量贝叶斯优化模型采样决策； 步骤5.2.4：结合期望改进和可行度模型输出的概率，设计约束感知采集函数： ；13 ；14 其中，是标准正态分布累计分布函数；是标准正态分布概率密度函数；是当前最优解；为探索常数；是标准化后潜在改进； 步骤5.3：按由高到低选取前q个最优解，将这q个最优解分别进入内层局部优化，连续变量用CMA-ES在信赖域内自适应收缩精修，离散变量用邻域切换算子做小范围类别翻转； 步骤5.4：将内层优化后的q个最优解分别输入到多模态时空协同预测模型中，并通过计算并比较目标函数值得到新的全局最优解，记新的全局最优解和当前全局最优解的目标函数值分别为和；若满足，其中为最小改进阈值，则更新全局最优解，随后返回步骤5.2，用更新的进行重新计算采集函数，并重复步骤5.2~5.4；若不满足条件，返回到步骤5.2，将已选候选解列入禁采集合，并继续执行步骤5.3；直到循环达到迭代上限次数，输出此时对应的压裂施工参数。

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。