Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 中国地质大学(武汉)周三栋获国家专利权

中国地质大学(武汉)周三栋获国家专利权

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大学(武汉)申请的专利基于机器学习分析页岩储层可压性综合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:CN119514381B

龙图腾网通过国家知识产权局官网在2025-10-14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:202411720632.5,技术领域涉及:G06F30/27;该发明授权基于机器学习分析页岩储层可压性综合方法是由周三栋;刘新宇设计研发完成,并于2024-11-28向国家知识产权局提交的专利申请。

基于机器学习分析页岩储层可压性综合方法在说明书摘要公布了:本发明公开了一种基于机器学习分析页岩储层可压性综合方法,涉及油气田开发技术领域,基于机器学习分析页岩储层可压性综合方法主要包括:根据岩心实验数据和所述对应测井数据得到训练数据集;利用随机森林回归模型构建三参数预测模型;利用训练数据集对三参数预测模型进行训练得到训练好的三参数预测模型,并对待预测测井数据进行预测得到三参数;基于三参数计算出可压性系数,进而得到研究区页岩储层可压性分类评价。实施本发明提供的基于机器学习分析页岩储层可压性综合方法,能高效、准确、普适地对页岩储层可压性进行评估。

本发明授权基于机器学习分析页岩储层可压性综合方法在权利要求书中公布了:1.一种基于机器学习分析页岩储层可压性综合方法,其特征在于,包括以下步骤: S1:获取岩心实验数据和对应测井数据;根据所述岩心实验数据和所述对应测井数据,得到训练数据集; S2:利用随机森林回归模型,构建三参数预测模型; S3:利用所述训练数据集对所述三参数预测模型进行训练,得到训练好的三参数预测模型; S4:利用所述训练好的三参数预测模型对待预测测井数据进行预测,得到脆性指数预测值、杨氏模量预测值和泊松比预测值; S5:根据所述脆性指数预测值、所述杨氏模量预测值和所述泊松比预测值,计算可压性系数;根据所述可压性系数得到研究区页岩储层可压性分类评价; 所述训练数据集包括第一数据集、第二数据集和第三数据集;所述第一数据集包括脆性指数数据和对应测井数据;所述第二数据集包括杨氏模量数据和对应测井数据;所述第三数据集包括泊松比数据和对应测井数据; 所述三参数预测模型包括第一预测模型、第二预测模型和第三预测模型; 步骤S3具体包括:以所述第一数据集中的脆性指数数据、所述第二数据集中的杨氏模量数据和所述第三数据集中的泊松比数据数据为因变量,以所述对应测井数据为自变量,对所述三参数预测模型进行训练和预测,得到预测脆性指数、预测杨氏模量和预测泊松比;根据所述第一数据集中的脆性指数数据和所述预测脆性指数,得到第一决定系数;根据所述第二数据集中的杨氏模量数据和所述预测杨氏模量,得到第二决定系数;根据所述第三数据集中的泊松比数据和所述预测泊松比,得到第三决定系数;当所述第一决定系数、所述第二决定系数和所述第三决定系数中任一项小于预设决定系数阈值时,继续训练和预测;当所述第一决定系数、所述第二决定系数和所述第三决定系数均不小于预设决定系数阈值时,停止训练,得到训练好的三参数预测模型。

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大学(武汉),其通讯地址为:430000 湖北省武汉市洪山区鲁磨路388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”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。