-
公开(公告)号：CN118735344A
公开(公告)日：2024-10-01
申请号：CN202410859914.7
申请日：2024-06-28
Applicant: 北京科技大学
IPC: G06Q10/0639 , G06Q50/20 , G06N20/00
Abstract: 本发明提供一种基于大语言模型的高等教育教材质量评价方法及系统，涉及人工智能技术领域。所述方法包括：收集高等教育教材样本数据，筛选教材评价指标；基于德尔菲法设计所述评价指标的权重；利用大语言模型，实现对所述评价指标的定量评价；对大语言模型评价数据与专家组评价数据进行交叉验证，确定最优大语言模型和最佳引导语。采用本发明方法，既能提高高等教育教材质量评价的全面性，又能保证教材监督的客观性与实效性，实现半自动化、批量化、定量化的教材质量评价。
-
公开(公告)号：CN118484679A
公开(公告)日：2024-08-13
申请号：CN202410765286.6
申请日：2024-06-14
Applicant: 北京科技大学
IPC: G06F18/214 , G06N3/0442 , G06Q10/04
Abstract: 本发明公开一种高含水期的油田产量预测方法、系统及存储介质，涉及油田开发技术领域，方法包括：获取目标油田的油藏数据；油藏数据包括：静态变量数据和动态变量数据；基于数据清洗后的静态变量数据和动态变量数据，利用训练好的变量权重优化模块计算各变量的权重并进行变量选择，得到优化静态变量权重矩阵和优化动态变量权重矩阵；利用训练好的静态协变量编码器为优化静态变量权重矩阵赋予时间序列，得到时序静态变量权重矩阵；基于时序静态变量权重矩阵和优化动态变量权重矩阵，利用训练好的长短期记忆网络得到变量融合矩阵；利用训练好的多头注意力模块得到油田产量预测向量。本发明提高了油田产量预测结果的准确性和有效性。
-
公开(公告)号：CN117541070B
公开(公告)日：2024-04-12
申请号：CN202311385769.5
申请日：2023-10-24
Applicant: 北京科技大学
IPC: G06Q10/0637 , G06Q50/02 , G06N5/04 , G06N20/00
Abstract: 本发明公开了基于机器学习与博弈论的油井多层合采产量劈分方法，涉及油井产量劈分技术领域；该产量劈分方法，包括以下步骤：获取油井动静态参数作为数据集，搭建基于机器学习的产量预测模型，构建机器学习与SHAP融合模型，计算参数贡献值，计算小层劈分系数，计算小层劈分后的各层产油量；本发明中该方法首次将机器学习与博弈论融合模型应用于油井的产量劈分，在产量预测结果的基础上，通过SHAP算法量化各个小层的贡献度，并以此作为小层劈分系数，计算各层产量，为油井产量劈分提供了一套高效可行的方法，具有很好的技术价值和应用前景。
-
公开(公告)号：CN117541070A
公开(公告)日：2024-02-09
申请号：CN202311385769.5
申请日：2023-10-24
Applicant: 北京科技大学
IPC: G06Q10/0637 , G06Q50/02 , G06N5/04 , G06N20/00
Abstract: 本发明公开了基于机器学习与博弈论的油井多层合采产量劈分方法，涉及油井产量劈分技术领域；该产量劈分方法，包括以下步骤：获取油井动静态参数作为数据集，搭建基于机器学习的产量预测模型，构建机器学习与SHAP融合模型，计算参数贡献值，计算小层劈分系数，计算小层劈分后的各层产油量；本发明中该方法首次将机器学习与博弈论融合模型应用于油井的产量劈分，在产量预测结果的基础上，通过SHAP算法量化各个小层的贡献度，并以此作为小层劈分系数，计算各层产量，为油井产量劈分提供了一套高效可行的方法，具有很好的技术价值和应用前景。
-
公开(公告)号：CN113792479A
公开(公告)日：2021-12-14
申请号：CN202110971711.3
申请日：2021-08-23
Applicant: 北京科技大学
IPC: G06F30/27 , G06F30/28 , G06N3/04 , G06N3/08 , E21B43/26 , G06F111/04 , G06F113/08 , G06F119/14
Abstract: 本发明提供一种基于物理约束的煤层气藏压裂效果评价方法，属于油藏开发技术领域；包括步骤如下：基于油气田现场提供的动静态数据构建数据集；建立针对动态数据的基于物理背景下的数据清洗算法；根据直接的参数控制以及间接的物理约束构建了“数据+物理”双指导条件下的误差指导方程；考虑动静态数据维度以及物理参数的实际重要程度建立了结合网络结构；通过循环组合模式来构建训练集和测试集；基于训练集和测试集，利用误差指导方程来构建新的残差函数，并通过反向传播算法对结合网络模型进行训练及测试，获得最优的压裂效果评价模型；建立排己算法定义各个输入参数对于裂缝半长以及压裂后渗透率的贡献度。
-
Patent Agency Ranking
公开(公告)号：CN113592194A
公开(公告)日：2021-11-02
申请号：CN202110966381.9
申请日：2021-08-23
Applicant: 北京科技大学
Abstract: 本公开提供了一种建立CO2吞吐效果预测模型的方法以及CO2吞吐效果评价方法。所述建立CO2吞吐效果预测模型的方法，首先获取CO2吞吐开发的样本数据集，并将样本数据集划分为训练集和测试集，然后设置神经网络结构并对神经网络模型的超参数进行初始化，之后训练模型，并通过修改超参数，将模型的损失函数值控制在误差范围内，从而得到训练好的模型。所述CO2吞吐效果评价方法包括：获取目标井区CO2吞吐开发的影响因素参数数据集，将目标井区的影响因素参数数据集输入CO2吞吐效果预测模型，预测换油率。该方法可应用于不同影响因素参数下待CO2吞吐开发的井区的换油率的快速预测。
-
公开(公告)号：CN112016212A
公开(公告)日：2020-12-01
申请号：CN202010890024.4
申请日：2020-08-28
Applicant: 北京科技大学
IPC: G06F30/20 , G06N20/00 , G06F111/10
Abstract: 本发明提供一种基于渗流控制方程的储层纵向非均质性评价方法，属于油藏开发技术领域。该方法首先利用数值模拟技术获取油藏的样本数据集，然后建立基于油藏动态数据的特征提取器，设置多个特征提取器对动态数据进行特征提取，生成新的动态数据集，利用新的动态数据集与静态数据构建深度学习的训练集和测验集，基于物理约束条件定义新的损失函数，通过该函数去训练深度学习模型的权重与阈值，从而生成最优的纵向渗透率深度学习预测模型，利用测验集来测试深度学习的预测精度，根据深度学习的预测结果，定义了极差以及变异系数来表征储层的非均质性。本发明可应用于复杂地质情况下的对储层渗透率的预测，良好的解决复杂储层非均质性评价问题。
-
公开(公告)号：CN111027249A
公开(公告)日：2020-04-17
申请号：CN201911256912.4
申请日：2019-12-10
Applicant: 北京科技大学
IPC: G06F30/23 , G06N3/04 , G06N3/08 , G06F111/10
Abstract: 本发明提出一种基于机器学习的井间连通性评价方法，包括：1)根据数值模拟技术获取数据集，包括动态数据与静态数据；2)对样本数据集中的动态数据进行特征关联性提取；3)对动态数据与储层样本中的静态数据进行归一化处理；4)将样本数据集划分为训练集与测试集，并构建机器学习模型的输入与输出；5)使用机器学习方法对模型的权值矩阵与偏置矩阵激进行训练，获得训练模型；6)验证所述训练模型归一化后计算结果的准确性与有效性；7)利用所述训练模型根据动态数据计算出的地层平均渗透率定义井间的连通系数，表征井间连通性。本发明的方法只需要油田中最容易获取的各个井的动态生产数据得到储层地质信息，进而得到井间连通性。
-
公开(公告)号：CN104594885B
公开(公告)日：2017-05-17
申请号：CN201410548615.8
申请日：2014-10-16
Applicant: 北京科技大学
IPC: E21B49/00
Abstract: 本发明公开了一种页岩气在微裂缝中渗流规律的测定试验装置和方法，装置包括渗流系统、压裂系统、数据采集处理系统和三轴岩芯夹持器；方法包括以下步骤：测定完好页岩岩芯的渗透率；利用声波检测仪和应变片检测仪对三轴岩芯夹持器中的页岩岩芯在压裂过程中的受损程度进行检测；测定页岩气在不同微裂缝中的渗透率；通过测得页岩气在完整岩芯和不同微裂缝中的渗透曲线进行对比而得出页岩气在不同微裂缝中渗流规律；该装置和方法可以准确的测定页岩气在微裂缝中渗流规律，操作简单，对于页岩气的勘探开发有着重要的意义。
-
公开(公告)号：CN103670358B
公开(公告)日：2016-05-11
申请号：CN201310602932.9
申请日：2013-11-25
Applicant: 北京科技大学
Abstract: 本发明提供了一种水力压裂裂缝在砂泥岩薄互层地质界面断裂扩展判识方法，根据对现有的水力裂缝扩展模型进行了修正、完善，通过薄互层水力裂缝在薄互层地质界面处扩展形态判定标准，可更为准确的确定水力裂缝在地质界面处的偏转角度。弥补了应用现有裂缝扩展模型预测水力裂缝在薄互层扩展出现的缺陷。
-
-
-
-
-
-
-
-
-
Search Results
78
records
(took 0.025 seconds)
