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)申请的专利基于物理特征引导与多源信息融合的钻速智能预测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：CN121119295B 。

龙图腾网通过国家知识产权局官网在2026-03-10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：202511623193.0，技术领域涉及：G06Q10/04；该发明授权基于物理特征引导与多源信息融合的钻速智能预测方法是由廖华林;石芳;王华健;刘笑傲;刘建胜;陈畅畅;王庆;于金平设计研发完成，并于2025-11-07向国家知识产权局提交的专利申请。

本基于物理特征引导与多源信息融合的钻速智能预测方法在说明书摘要公布了：本发明提供了一种基于物理特征引导与多源信息融合的钻速智能预测方法，涉及智能钻速预测技术领域，具体包括如下步骤：从钻井实时数据库、录井系统、测井系统及地质数据库中采集多源异构数据；构建双通道深度学习预测模型，包括：依次连接的双通道卷积特征提取模块、特征融合模块、时序融合模块、时序建模模块和全连接层；利用双通道深度学习预测模型得到预测钻速；考虑数据驱动误差与物理约束误差构建联合损失函数，根据联合损失函数计算误差，并通过反向传播更新网络参数；循环迭代训练，直至收敛；将训练后的双通道深度学习预测模型用于钻速预测。本发明的技术方案克服现有技术中机理模型精度不足、数据驱动模型可靠性欠佳的问题。

本发明授权基于物理特征引导与多源信息融合的钻速智能预测方法在权利要求书中公布了：1.一种基于物理特征引导与多源信息融合的钻速智能预测方法，其特征在于，具体包括如下步骤： S1，从钻井实时数据库、录井系统、测井系统及地质数据库中采集多源异构数据，包括：岩石物理参数和钻井工程参数，并对多源异构数据进行预处理； S2，构建双通道深度学习预测模型，包括：依次连接的双通道卷积特征提取模块、特征融合模块、时序融合模块、时序建模模块和全连接层；利用双通道深度学习预测模型得到预测钻速； S3，考虑数据驱动误差与物理约束误差构建联合损失函数，根据联合损失函数计算误差，并通过反向传播更新网络参数；循环迭代训练，直至收敛； S4，将训练后的双通道深度学习预测模型用于钻速预测； 步骤S1具体包括如下步骤： S1.1，通过测井数据，包括：声波时差、密度和伽马计算得到岩石物理参数，其中，表示岩石物理特征数；岩石物理参数包括：剪切模量、杨氏模量、体积模量、泊松比、抗压强度和可钻性级值；钻井工程参数为，其中，表示钻井工程特征数，钻井工程参数包括：钻压、转速、扭矩、立管压力和排量； S1.2，对多源异构数据进行时间对齐、异常值剔除、缺失值插补与标准化处理； 在步骤S2中的双通道卷积特征提取模块提取不同来源与不同维度的特征信息，双通道卷积特征提取模块包括：依次连接的输入层、第一卷积激活层、第二卷积激活层和输出层，具体包括如下步骤： S2.1，将第一通道输入特征： ； 其中，表示一次输入的样本数； 经过第一卷积激活层和第二卷积激活层，得到地质特征： ； 其中，为一维卷积层，为激活函数； S2.2，将第二通道输入特征： ； 经过第一卷积激活层和第二卷积激活层，得到工程特征： 。

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：266580 山东省青岛市黄岛区长江西路66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。