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)申请的专利基于多特征融合神经网络的CCS快速模拟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：CN119989922B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202510174251.X，技术领域涉及：G06F30/27；该发明授权基于多特征融合神经网络的CCS快速模拟方法是由朱艺亨;刘佳;刘剑桥;潘焕泉;谢添;张道伟;赵旭;匡铁;孙天一设计研发完成，并于2025-02-18向国家知识产权局提交的专利申请。

本基于多特征融合神经网络的CCS快速模拟方法在说明书摘要公布了：本发明涉及碳捕集与封存CCS模拟技术领域，具体提供一种基于多特征融合神经网络的CCS快速模拟方法；该方法构建了一种融合型U神经网络U‑Net与傅里叶神经算子FNO的U‑FNO网络，提高CO2地质封存过程中压力场与饱和度场在长时间序列上的预测精度；同时，采用基于变压器编码器TransformerEncoders，TE的产量序列预测网络，将U‑FNO网络的输出端直接连接至TE网络的输入端，实现从地质参数和井控曲线到压力与饱和度场时序分布及对应产量曲线的直接预测；该方法有效克服了现有CCS模拟技术难以同时处理多特征输入与输出的问题，提升了CO2封存速率对储层安全性影响的预测效率，可为CCS工程优化与历史拟合提供高效可靠的智能模拟工具。

本发明授权基于多特征融合神经网络的CCS快速模拟方法在权利要求书中公布了：1.一种基于多特征融合神经网络的CCS快速模拟方法，其特征在于， 包括如下步骤： 建立适用于CCS快速模拟，并在时间维度上可直接输出压力和饱和度状态的U-FNO架构； 基于U-FNO架构，引入带有自注意机制的Transformer模块，得到用于构建CCS的快速模拟替代模型； 选取渗透率和井控序列作为模型输入，使用SGeMS进行顺序高斯模拟随机生成了10个渗透率样本，并随机生成500组井控制序列进行模型训练； 最后提出总体性能分析方法，引入误差度量机制，完成模拟； 构建替代模型时： 在地质不确定性下的CO2储层封存过程预测中，对注入和生产井的井控在每个控制时间步的每个储层模型中进行调整；相关替代模型所需实现的映射关系表示为： X＝[P,S,qi,qp]＝gm,wi,wp 其中，地质模型用m表示，m是的一个元素，其中nb定义为nx×ny×nz，表示地质模型中网格块的总数，nx、ny和nz分别对应每个坐标轴上的块数；Nm表示地质模型的样本数量；wi是的一个元素，表示注入井的井控序列，ni表示注入井的数量，Nc表示控制时间步的数量；Nw表示井控序列的数量；wp是的一个元素，表示生产井的井控序列，np表示生产井的数量，ut表示生产井的开启时间步； 建立适用于CCS快速模拟，并在时间维度上可直接输出压力和饱和度状态的U-FNO架构的具体方式为： 将U型网络与傅里叶神经算子网络进行并联得到U-FNO架构，具体如下：通过一个全连接神经网络将输入观测ax提升到更高维的特征空间，表示为接着，使用一系列迭代的FNO和U-FNO层，这些层能够捕捉数据中的复杂空间依赖性；这些层对函数序列和进行变换，操作于通道维度c；最后，该架构使用另一个全连接神经网络将高维输出投影回原始空间，表示为 在每个U-FNO层中，应用可学习参数的积分核变换K、U-NetCNN操作符U和线性操作符W；该变换后跟随非线性激活函数σ，结果是一个能够用较少数据要求近似多相流动的高度表达模型。

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：430074 湖北省武汉市鲁磨路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。