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！

龙图腾网获悉中国地质科学院地质力学研究所申请的专利一种基于深度学习的储层评价模型的构建方法及系统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：CN120258045B 。

龙图腾网通过国家知识产权局官网在2025-08-22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：202510735874.X，技术领域涉及：G06N3/045；该发明授权一种基于深度学习的储层评价模型的构建方法及系统是由张浩;方欣欣;陈程;施辉;周远剑设计研发完成，并于2025-06-04向国家知识产权局提交的专利申请。

本一种基于深度学习的储层评价模型的构建方法及系统在说明书摘要公布了：本发明涉及储层评估技术领域，尤其涉及一种基于深度学习的储层评价模型的构建方法及系统。该方法包括以下步骤：获取目标工区的测井数据及岩心分析数据，并分别进行异常值处理与缺失值填补，得到完整测井数据及完整岩心数据；基于完整岩心数据计算储层孔隙结构参数；基于完整测井数据反演储层宏观孔隙度。本发明通过融合岩心与测井数据，结合孔隙结构参数、宏观孔隙度及地质注意力机制，显著提升了储层评价的准确性、稳定性与鲁棒性，解决了数据缺失、小样本问题，并强化了模型的解释性与地质一致性。

本发明授权一种基于深度学习的储层评价模型的构建方法及系统在权利要求书中公布了：1.一种基于深度学习的储层评价模型的构建方法，其特征在于，包括以下步骤： 步骤S1：获取目标工区的测井数据及岩心分析数据，并分别进行异常值处理与缺失值填补，得到完整测井数据及完整岩心数据； 步骤S2：基于完整岩心数据计算储层孔隙结构参数；基于完整测井数据反演储层宏观孔隙度； 步骤S3：基于储层孔隙结构参数及储层宏观孔隙度解析储层岩相物理属性，确定孔隙连通性指数、储层品质因子、岩性控制系数及非均质性指标，生成储层评价指标数据集，步骤S3包括以下步骤： 步骤S31：对储层孔隙几何形态参数及孔喉半径分布数据进行三维网络连通性评估，得到孔隙网络拓扑关系图；基于孔隙网络拓扑关系图追踪渗流路径，得到有效流体通道数据；对有效流体通道数据进行数值积分与统计归一化处理，得到孔隙连通性指数； 步骤S32：基于孔隙分形维度特征数据尺度定性分析微观孔隙结构，得到孔隙复杂度初始评分；将孔隙复杂度初始评分与微孔隙度分布数据进行加权融合，得到初始孔隙结构复杂度指标；通过多孔介质压汞仪对初始孔隙结构复杂度指标进行实验验证与校准，得到修正孔隙结构复杂度指标； 步骤S33：基于储层宏观孔隙度数据及孔隙连通性指数构建储层流体储存能力评估模型，生成储层容量因子；对完整岩心数据中的渗透率数据与孔隙连通性指数进行相关性分析，得到渗流能力因子；对储层容量因子及渗流能力因子进行多目标优化整合，得到储层品质因子； 步骤S34：基于流体类型分布数据与储层宏观孔隙度数据解析岩-流相互作用，得到湿润性评估结果；对湿润性评估结果与修正孔隙结构复杂度指标进行多变量回归，得到岩性控制系数；基于储层孔隙几何形态参数及孔隙类型分类结果识别空间变异性，生成空间变异系数；对空间变异系数进行层序约束处理，得到非均质性指标； 步骤S35：对储层品质因子、岩性控制系数及非均质性指标进行层次分析法权重分配，得到指标权重矩阵；基于指标权重矩阵加权融合各评价指标，得到储层综合评价分值；对储层综合评价分值进行量化分级，得到储层评价指标数据集； 步骤S4：将储层评价指标数据集按层段划分为训练集、验证集及测试集；利用训练集构建一维卷积神经网络模型的基础结构，并引入地质注意力机制，得到地质注意力增强神经网络； 步骤S5：对地质注意力增强神经网络进行弱监督信号引导，得到地质知识约束注意力网络；通过生成对抗网络对训练集进行小样本储层累并的数据合成扩充，得到平衡训练数据集；利用地质知识约束注意力网络及平衡训练数据集执行深度学习模型训练，并基于验证集进行超参数优化及性能监控，得到候选模型； 步骤S6：利用测试集对候选模型进行性能评估与调优，得到初始储层评价模型；将预设SZ3框架与初始储层评价模型集成，生成最终储层评价模型。

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地质科学院地质力学研究所，其通讯地址为：100081 北京市海淀区民族大学南路11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”。