買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜西南石油大學(xué)申請(qǐng)的專利一種基于擴(kuò)展長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)的水平井產(chǎn)量預(yù)測(cè)方法獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN119721400B 。

龍圖騰網(wǎng)通過國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-05-27發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202510222522.4，技術(shù)領(lǐng)域涉及：G06Q10/04；該發(fā)明授權(quán)一種基于擴(kuò)展長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)的水平井產(chǎn)量預(yù)測(cè)方法是由郭子熙;李星燦;趙金洲;康蕓瑋;蘇騫;曾曉慧;郭大立設(shè)計(jì)研發(fā)完成，并于2025-02-27向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種基于擴(kuò)展長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)的水平井產(chǎn)量預(yù)測(cè)方法在說明書摘要公布了：本發(fā)明公開了一種基于擴(kuò)展長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)的水平井產(chǎn)量預(yù)測(cè)方法，涉及產(chǎn)量預(yù)測(cè)技術(shù)領(lǐng)域。包括以下步驟：獲取已開發(fā)水平井的產(chǎn)量數(shù)據(jù)和影響產(chǎn)量數(shù)據(jù)組成特征參數(shù)；基于經(jīng)驗(yàn)?zāi)B(tài)分解和小波變換，在時(shí)域和頻域兩個(gè)層次上對(duì)特征參數(shù)進(jìn)行分解得到三維特征張量；基于TCN和STL分解對(duì)三維特征張量分別進(jìn)行分解，并將分解結(jié)果通過動(dòng)態(tài)特征選擇門進(jìn)行融合，得到融合特征；建立預(yù)測(cè)模型，并基于融合特征對(duì)預(yù)測(cè)模型進(jìn)行訓(xùn)練，訓(xùn)練后的模型能夠進(jìn)行產(chǎn)量預(yù)測(cè)；所述預(yù)測(cè)模型主體為雙向LSTM模型，利用時(shí)空注意力機(jī)制為融合特征提供權(quán)重，利用優(yōu)化麻雀搜索算法為雙向LSTM模型選擇較優(yōu)超參數(shù)。本發(fā)明的方法，能夠有效的對(duì)水平井產(chǎn)量進(jìn)行預(yù)測(cè)，且預(yù)測(cè)結(jié)果準(zhǔn)確性較高。

本發(fā)明授權(quán)一種基于擴(kuò)展長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)的水平井產(chǎn)量預(yù)測(cè)方法在權(quán)利要求書中公布了：1.一種基于擴(kuò)展長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)的水平井產(chǎn)量預(yù)測(cè)方法，其特征在于，包括以下步驟，S1、獲取已開發(fā)水平井的產(chǎn)量數(shù)據(jù)和影響產(chǎn)量數(shù)據(jù)組成特征參數(shù)；S2、基于經(jīng)驗(yàn)?zāi)B(tài)分解和小波變換，在時(shí)域和頻域兩個(gè)層次上對(duì)特征參數(shù)進(jìn)行分解得到三維特征張量；包括以下分步驟：S21、對(duì)特征參數(shù)進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解：，式中，xt表示t時(shí)刻的特征參數(shù)；IMFkt為t時(shí)刻第k個(gè)IMF分量，表示信號(hào)的頻率成分，k=1,2,…,n，n表示本征模態(tài)函數(shù)的最大數(shù)量；Rest為t時(shí)刻的殘差項(xiàng)，代表信號(hào)中的長(zhǎng)期趨勢(shì)；S22、對(duì)本征模態(tài)函數(shù)應(yīng)用小波變換，提取時(shí)頻特征：，式中，Wn表示第n個(gè)IMF分量在小波變換后t時(shí)刻的時(shí)頻特征，是t時(shí)刻的改進(jìn)的Meyer小波基函數(shù)，a和b是小波函數(shù)的尺度和位置參數(shù)；S23、將S21的殘差項(xiàng)和S22的時(shí)頻特征進(jìn)行拼接，形成三維特征張量：，式中，表示拼接操作，將每個(gè)IMF分量和其對(duì)應(yīng)的小波變換結(jié)果結(jié)合，形成一個(gè)三維特征表示；IMFn表示第n個(gè)IMF分量；Resglobal表示形成三維張量的殘差，為所有時(shí)間步的殘差集合；S3、基于TCN對(duì)三維特征張量進(jìn)行分解，基于STL分解對(duì)產(chǎn)量數(shù)據(jù)進(jìn)行分解，并將分解結(jié)果通過動(dòng)態(tài)特征選擇門進(jìn)行融合，得到融合特征；S4、建立預(yù)測(cè)模型，并基于融合特征對(duì)預(yù)測(cè)模型進(jìn)行訓(xùn)練，訓(xùn)練后的模型能夠用于本區(qū)塊其余水平井的產(chǎn)量預(yù)測(cè)；所述預(yù)測(cè)模型主體為雙向LSTM模型，利用時(shí)空注意力機(jī)制為融合特征提供權(quán)重，利用優(yōu)化麻雀搜索算法為雙向LSTM模型選擇較優(yōu)超參數(shù)；所述優(yōu)化麻雀搜索算法的優(yōu)化方式為：引入量子化搜索機(jī)制和動(dòng)態(tài)搜索空間，同時(shí)設(shè)計(jì)了適應(yīng)度函數(shù)，所述量子化搜索機(jī)制的公式如下：，式中，表示量子態(tài)，explore和exploit分別表示探索態(tài)和開發(fā)態(tài)；α和β分別是探索態(tài)和開發(fā)態(tài)的系數(shù)；表示所處的狀態(tài)；所述適應(yīng)度函數(shù)如下：，式中，MSE為均方誤差，為梯度的范數(shù)，Entropy表示特征熵，ω1、ω2和ω3分別表示MSE、和Entropy的權(quán)重。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人西南石油大學(xué)，其通訊地址為：610500 四川省成都市新都區(qū)新都大道8號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。