Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 中南大学王李昌获国家专利权

中南大学王李昌获国家专利权

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!

龙图腾网获悉中南大学申请的专利一种基于最小绝对偏差损失的重复压裂井产量时间序列数据分解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:CN119961665B

龙图腾网通过国家知识产权局官网在2026-04-07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:202510053066.5,技术领域涉及:G06F18/2136;该发明授权一种基于最小绝对偏差损失的重复压裂井产量时间序列数据分解方法是由王李昌;贾靖设计研发完成,并于2025-01-14向国家知识产权局提交的专利申请。

一种基于最小绝对偏差损失的重复压裂井产量时间序列数据分解方法在说明书摘要公布了:本发明提供了一种基于最小绝对偏差损失的重复压裂井产量时间序列数据分解方法,包括:S1收集并整理原始数据;S2使用双边滤波对输入数据进行去噪;S3通过求解带稀疏正则化的最小绝对偏差回归来稳健地提取趋势;S4使用非局部季节性滤波获取季节性成分;S5调整趋势和季节;S6重复步骤2~5,直至计算结果收敛。本发明能够从长季节周期和高噪声数据中稳定提取季节性及趋势,可以为后续重复压裂产量数据的拟合预测提供坚实基础。

本发明授权一种基于最小绝对偏差损失的重复压裂井产量时间序列数据分解方法在权利要求书中公布了:1.一种基于最小绝对偏差损失的重复压裂井产量时间序列数据分解方法,包括以下步骤: 步骤1:输入重复压裂井产量时间序列数据; 步骤2:使用双边滤波对输入数据进行去噪; 步骤3:通过求解带稀疏正则化的最小绝对偏差回归来稳健地提取趋势; 步骤4:使用非局部季节性滤波获取季节性成分; 步骤5:调整趋势和季节; 步骤6:重复步骤2~5,直至计算结果收敛; 所述步骤1具体包括以下子步骤: 步骤101:收集并整理目标区块的油井重复压裂产量数据; 步骤102:记油井重复压裂产量在时刻的观测值为,可以表达为: 1 式1中,表示时间序列中的趋势;表示周期为的季节性组分;表示剩余组分;剩余组分包含所有除了趋势和季节性之外的成分,同时可以进一步分解为: 2 式2中,表示峰值或谷值;表示白噪声; 所述步骤2具体包括以下子步骤: 步骤201:使用具有相似值的相邻点来平滑初始时间序列,经过双边滤波处理后的时间序列为: 3 式3中,表示长度为的滤波窗口,滤波权重为: 4 式4中,是归一化因子;和是控制输出时间序列平滑度的参数; 步骤202:首次更新分解模型; 在去噪之后,方程1中的分解模型更新为: 5 6 其中,是首次更新后的时间序列数据;是首次更新后的剩余项;是滤波后的噪声; 所述步骤3具体包括以下子步骤: 步骤301:季节差分; 假设季节性成分变化缓慢,首先对去噪后的数据进行季节差分以减轻季节性的影响: 7 式7中,代表季节差分操作,;是一阶差分操作,; 步骤302:构建基于最小绝对偏差损失的加权和目标函数; 记,由于季节性差分操作会使和显著地减小,因此会主导,为了从中恢复趋势组分的一阶差分,需要构建加权和目标函数: 8 式8中,代表二阶差分操作,;式8的第一项代表使用最小绝对偏差损失计算的经验误差; 步骤303:确定最优化目标; 式8的等效矩阵形式为: 9 式9中,表示向量的范数;和是相应的向量表示,;;和分别是阶以及阶托普利兹矩阵,其形式如下: 为方便求解,将方程9中的三个范数进一步表示为一个单一的范数: 10 式10中,矩阵和矢量分别为: 步骤304:获得相对趋势; 方程10中单一-范数的最小化等价于如下线性规划: 11 式11中,是辅助变量; 记式11的输出为,其中;在实际运算中,通常有,于是得到基于的相对输出: 步骤305:第二轮更新分解模型; 基于从去噪的时间序列中获得的相对趋势,可以将分解模型更新为: 12 13 式12和13中,是第二轮更新后的时间序列数据;是第二轮更新后的剩余项; 所述步骤4具体包括以下子步骤: 步骤401:通过非局部季节性滤波提取季节性; 对于,其邻域包括个近邻,通过非局部季节性滤波提取的季节性成分可以表达为: 14 式14中: 步骤402:第三轮更新分解模型; 在移除季节性成分之后,剩余的部分是: 15 所述步骤5具体包括以下子步骤: 步骤501:通过去除平均值来调整季节性成分; 需要确保一个周期内的所有季节性成分之和为零,因此通过去除其平均值来调整从公式12中获得的季节性成分: 16 步骤502:更新分解模型; 趋势和季节性成分的估计值更新为: 17 18 剩余部分的估计值更新为: 19 所述步骤6具体包括以下子步骤: 步骤601:重复步骤2~5,直至计算结果收敛。

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南大学,其通讯地址为:410083 湖南省长沙市麓山南路932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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。