-
公开(公告)号：CN119962745A
公开(公告)日：2025-05-09
申请号：CN202510053420.4
申请日：2025-01-14
Applicant: 中南大学
IPC: G06Q10/04 , G06Q50/02 , G06F18/213 , G06N3/0455 , G06N3/08 , G06F123/02
Abstract: 本发明提供了一种基于动态Chunking的重复压裂油井产量Transformer预测方法，包括：(S1)数据收集及动态Chunking的定义；(S2)建立内聚性与间隔解耦的联合概率；(S3)生成动态边界，并确定动态区间的内聚性与间隔解耦；(S4)计算最优边界，完成动态Chunking；(S5)基于最优Chunking的油井重复压裂产量Transformer预测。本发明能够提供线性计算复杂度，同时在规则或不规则的周期性计算中也不损失灵活性，降低了计算成本，并使系统更易部署和维护。
-
公开(公告)号：CN119558193A
公开(公告)日：2025-03-04
申请号：CN202411732152.0
申请日：2024-11-29
Applicant: 中南大学
Abstract: 本发明提供了一种基于信任因子的重复压裂井产量Transformer预测模型时步校准方法，包括：(S1)数据准备及Tokens输入；(S2)Token嵌入与位置嵌入；(S3)选择滑动窗口大小；(S4)初始预测值校准；(S5)重复校准至精度符合预期。本发明通过滑动窗口方法和实时校准机制的结合，可以有效减少初始预测与真实产量之间的偏差，提高模型的训练效率，减少不必要的算力投资，降本增效。
-
公开(公告)号：CN118484994A
公开(公告)日：2024-08-13
申请号：CN202410607168.2
申请日：2024-05-16
Applicant: 中南大学
IPC: G06F30/27 , G06F17/15 , G06N3/0464
Abstract: 本发明提供了一种基于卷积自注意力Transformer的重复压裂井产量预测方法，包括以下步骤：(S1)使用卷积操作处理产量数据，计算卷积查询(convQ)、卷积键(convK)和卷积值(convV)；(S2)计算卷积注意力分数conv‑Attent ion；(S3)将卷积注意力分数输入前馈神经网络；(S4)对输出执行残差连接与层归一化后得到预测结果；(S5)计算模型的ρ‑分位数；(S6)基于ρ‑分位数确定最优卷积核大小，利用Adam优化器训练模型并验证。相比常规Transformer，本发明将预测精度提高了11％，相比于深度LSTM，本发明将预测精度提高了14％。并且提高了收敛速度，降低了所需的计算资源。重复压裂井压后90天产量预测准确率≥85％，压后180天产量预测准确率≥75％。
-
公开(公告)号：CN118261426A
公开(公告)日：2024-06-28
申请号：CN202410458752.6
申请日：2024-04-17
Applicant: 中南大学
IPC: G06Q10/0635 , G06Q50/02 , G06F18/10 , G06F18/213 , G06F18/241 , G06N3/0442 , G06N3/0464 , G06N3/045 , G06N3/084
Abstract: 本发明提供了一种基于深层LSTM与ResNet特征分类的砂堵风险预警系统，包括数据收集、特征提取、砂堵识别等部分：(S1)收集现场压裂数据并对数据预处理；(S2)对压裂施工曲线进行工况分割以及数据滤波降噪；(S3)提取压裂砂堵特征，包括泵压变化趋势特征和砂堵数据特征；(S4)划分压裂砂堵风险等级；(S5)构建深层长短时记忆网络模型并结合特征分类器实现砂堵风险预警；(S6)利用Adam优化器和交叉熵损失函数训练模型并验证。本发明能够准确识别压裂过程中的复杂工况与风险压力波动，可以有效地对压裂砂堵施工风险进行预警，对指导现场压裂增产改造开发具有一定的实际意义。
-
Patent Agency Ranking
公开(公告)号：CN118133178A
公开(公告)日：2024-06-04
申请号：CN202410264556.5
申请日：2024-03-08
Applicant: 湖南韶峰应用数学研究院 , 中南大学
IPC: G06F18/2431 , G01V20/00 , G06F18/2323 , G06N3/088 , G06F18/214 , G06F18/21
Abstract: 本发明公开了一种致密油藏地质甜点识别方法及系统，包括：采集现场取得的不同油藏地质特征参数数据、试井产量数据并作为样本数据集；再进行聚类分析划分地质甜点类别；利用重采样方法将样本数据集划分为训练集和测试集；引入AdaBoost算法训练出多个弱分类器并迭代更新权值，再将弱分类器线性组合得到强分类器，即油藏地质甜点识别模型，其输入数据为油藏地质特征参数数据、试井产量数据；输出数据为地质甜点类别。本发明所建立的油藏地质甜点识别模型分析了不同油藏的地质特征结构，给出了地质甜点的划分依据，并在输入地质参数后，能够有效的判断出某油藏为何种地质甜点，对指导现场钻井压裂开发具有一定的实际意义。
-
公开(公告)号：CN118091753A
公开(公告)日：2024-05-28
申请号：CN202311555202.8
申请日：2023-11-21
Applicant: 中南大学
Abstract: 本发明公开了一种基于稀疏反褶积与时频分析的强干扰环境震源初至拾取方法、装置、设备及介质，其中方法包括：输入监测获得的微震信号，根据其监测区域前期收集资料中相关微震子波的时频信息，设计预测子波和带通滤波器；使用带通滤波器对原始输入的微震信号进行带通滤波，获得去噪后的微震信号；利用预测子波对去噪后的微震信号进行稀疏反褶积，得到反褶积后的微震信号；对反褶积后的全时段微震信号进行连续小波变换，获得全时段微震信号的时频谱；将时频谱中所有频段振幅之和的极大值处所对应的时间，确定为震源初至。本发明通过带通滤波与稀疏反褶积实现噪声压制，利用时频分析实现震源初至拾取，从而提高微震数据质量与震源初至拾取准确率。
-
公开(公告)号：CN119961665A
公开(公告)日：2025-05-09
申请号：CN202510053066.5
申请日：2025-01-14
Applicant: 中南大学
IPC: G06F18/2136 , G06F18/15 , G06Q10/04 , G06Q50/02 , G06F123/02
Abstract: 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。
-
公开(公告)号：CN117972577A
公开(公告)日：2024-05-03
申请号：CN202410029838.7
申请日：2024-01-09
Applicant: 中南大学
IPC: G06F18/243 , G06F18/27 , G06F18/214 , G06N5/01 , G06N20/20
Abstract: 本发明提供了一种基于CART决策树的砂堵关键因素识别方法，包括：(S1)根据现场取得的不同状况下的砂堵发生情况作为样本并划分训练集和测试集；(S2)数据预处理，基于正态分布的假设，移除异常值以及处理数据集中不完整和不一致的数据；(S3)进行CART分析并计算最优树深度，建立CART分类决策树；(S4)通过代价复杂性剪枝获得最佳树深度；(S5)输入测试集进行是否发生砂堵的预测，验证模型的准确性；(S6)量化变量重要性，度量在决策树形成过程中某个特征变量的贡献程度。本发明所建立的砂堵关键因素识别模型在输入特征参数后，能够有效的判断出是否会发生砂堵且给出造成砂堵的关键因素，对指导现场压裂增产改造开发具有一定的实际意义。
-
公开(公告)号：CN118091753B
公开(公告)日：2024-09-13
申请号：CN202311555202.8
申请日：2023-11-21
Applicant: 中南大学
Abstract: 本发明公开了一种基于稀疏反褶积与时频分析的强干扰环境震源初至拾取方法、装置、设备及介质，其中方法包括：输入监测获得的微震信号，根据其监测区域前期收集资料中相关微震子波的时频信息，设计预测子波和带通滤波器；使用带通滤波器对原始输入的微震信号进行带通滤波，获得去噪后的微震信号；利用预测子波对去噪后的微震信号进行稀疏反褶积，得到反褶积后的微震信号；对反褶积后的全时段微震信号进行连续小波变换，获得全时段微震信号的时频谱；将时频谱中所有频段振幅之和的极大值处所对应的时间，确定为震源初至。本发明通过带通滤波与稀疏反褶积实现噪声压制，利用时频分析实现震源初至拾取，从而提高微震数据质量与震源初至拾取准确率。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.016 seconds)
