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！

龙图腾网获悉中国石油大学(华东)申请的专利一种耦合数值模拟器构建物理约束油藏代理模型的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：CN120124497B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202510602757.6，技术领域涉及：G06F30/27；该发明授权一种耦合数值模拟器构建物理约束油藏代理模型的方法是由孙文跃;崔佳伟;高铭;刘峻嵘;刘树阳设计研发完成，并于2025-05-12向国家知识产权局提交的专利申请。

本一种耦合数值模拟器构建物理约束油藏代理模型的方法在说明书摘要公布了：本发明公开了一种耦合数值模拟器构建物理约束油藏代理模型的方法，涉及智能油气田开采技术领域，包括：建立油藏模型、随机扰动注采参数，生成注采参数数据集；将注采参数输入油藏模型进行模拟，得到状态参数，注采参数和状态参数组成标签数据；搭建R‑U‑Net神经网络作为代理模型；耦合数值模拟器，计算混合损失；利用混合损失反向传播更新代理模型的网络参数，完成代理模型训练。本发明融合离散差分生成的质量残差和雅可比矩阵计算的物理损失作为约束条件，优化代理模型训练过程；融合数值模拟器的精确建模能力与代理模型的高效预测优势，有效克服传统模拟器在线性求解过程中计算耗时较长的难题，弥补代理模型难以嵌入复杂物理方程的局限性。

本发明授权一种耦合数值模拟器构建物理约束油藏代理模型的方法在权利要求书中公布了：1.一种耦合数值模拟器构建物理约束油藏代理模型的方法，其特征在于，包括如下步骤： S1、建立油藏模型：利用数值模拟器构建三维油水两相渗流模型，通过有限体积法对控制方程进行空间和时间隐式离散化并求解； S2、随机扰动注采参数，生成注采参数数据集； S3、将步骤S2生成的注采参数数据集输入油藏模型进行模拟，得到对应的油藏状态参数，注采参数和状态参数共同组成标签数据； S4、搭建R-U-Net神经网络作为代理模型，包括输入层、编码模块、时序模块、解码模块和输出层，编码模块通过卷积操作下采样提取空间特征，时序模块采用长短时记忆网络捕捉时序依赖关系，解码模块通过上采样恢复空间维度，输入层接收渗透率场和注采参数场，输出层耦合预测压力场和饱和度场； S5、耦合数值模拟器，计算混合损失； S6、利用混合损失反向传播更新代理模型的网络参数，完成代理模型的训练； 步骤S4中，编码模块使用卷积操作对输入特征进行下采样处理，通过带有步幅的卷积核来实现空间维度的压缩，用C表示输入特征通道数，H和D分别表示高度和宽度，则有输入特征，卷积核为，其中，和表示卷积核的空间尺寸，表示输出通道数，此时的输出特征图，和为卷积之后的高度和宽度，卷积操作的过程为： ； 式中，i、j和分别是输出特征图在高度和宽度和通道上的索引，表示输出特征在通道、i、j位置处的数值，为偏置项，s表示步幅，表示卷积核在输入通道和输出通道上第个元素，此时输出特征O的空间尺寸分别表示为和； 在时序模块中，对于输入数列F={F1,F2,……,Fn}，其中，Fn表示时间步n的输入特征，隐藏状态为hn，细胞状态为cn，长短时记忆网络LSTM的计算过程为： ； 式中，表示LSTM单元的整体计算函数；表示所有的门控和候选状态，表示遗忘门的权重参数，表示输入门的权重参数，表示候选细胞的权重参数，表示输出门的权重参数，表示遗忘门、输入门、候选细胞和输出门对应的偏置，当前时间步的输出和细胞状态由输入和上一时间步的状态和共同决定，计算过程为：，，其中，表示细胞状态更新函数，表示隐藏状态生成函数； 步骤S5中，耦合数值模拟器计算混合损失的步骤包括： S51、代理模型初始化与数据输入，具体为：加载步骤S4搭建的R-U-Net神经网络作为代理模型，将步骤S3的标签数据输入代理模型，并设置代理模型训练所需的超参数，包括学习率、批量大小和迭代次数； S52、计算物理损失，具体为：首先通过代理模型预测状态参数，并将其输入数值模拟器；在当前状态参数下，利用数值模拟器求解离散网格的控制方程，并计算相应的残差，从而得到物理损失；同时，保留数值模拟器中控制方程的雅可比矩阵，并将其用于物理损失的梯度计算； 物理损失的计算公式为： ； 式中，物理损失对于预测结果的梯度为： ； 式中，表示总的训练样本数，表示单个样本的模拟时间步，表示油藏模型包含的总网格数，表示代理模型预测的油藏状态，包含压力p和含水饱和度的场图分布，和分别表示第n和n+1个时间步时代理模型预测的油藏状态，表示n时刻的油藏状态，包含饱和度和压力的分布；表示n+1时刻的注采参数，表示物理损失对于预测结果的梯度信息，表示链式求导过程中损失对于残差的梯度转置，表示链式求导过程中残差对于状态参数的导数，即控制方程的雅可比矩阵J； S53、根据标签数据计算标签损失，计算公式为： ； 标签损失对于预测结果的梯度为： ； 式中，表示标签损失对于预测结果的梯度信息，用于代理模型训练过程中更新网络参数，表示代理模型训练过程中自动微分生成梯度的过程； S54、计算混合损失，计算公式如下： ； 式中，L表示混合损失； 步骤S6中，混合损失约束更新代理模型网络参数的公式为： ； ； 式中，表示代理模型的可调参数，表示参数更新过程，表示学习率，表示预测结果对于网络参数的梯度，由自动微分计算得到； 由此，物理损失和标签损失共同约束代理模型的训练过程。

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石油大学(华东)，其通讯地址为：257061 山东省东营市东营区北一路739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”。