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！

龙图腾网恭喜新疆大学;北京油源恒业科技有限公司申请的专利基于一维卷积神经网络的海洋钻井周期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：CN115263271B 。

龙图腾网通过国家知识产权局官网在2025-05-27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：202210809779.6，技术领域涉及：E21B47/00；该发明授权基于一维卷积神经网络的海洋钻井周期预测方法是由姜莹;吴玉林;钱育蓉;刘永强;赵鑫设计研发完成，并于2022-07-11向国家知识产权局提交的专利申请。

本基于一维卷积神经网络的海洋钻井周期预测方法在说明书摘要公布了：本发明公开了一种基于一维卷积神经网络的海洋钻井周期预测方法，其包括以下步骤：根据历史数据构建训练数据集；搭建并训练一维卷积神经网络模型；根据海洋钻井设计基础数据构建预测数据集；采用训练后的一维卷积神经网络模型对预测数据集进行处理，获取预测的海洋钻井周期。本发明无需领域专家的经验知识，可根据海洋钻井设计参数自动预测海洋钻井周期，实现了端到端训练、预测的模型框架，本方法可有效解决海洋钻井周期预测依赖邻井数据的问题，解决统计概率学方法无法考虑钻井参数中的非线性关系而精度有限的问题，利用神经网络在非线性关系拟合方面的优越性，结合一维卷积神经网络局部感知的特性，最终显著提高了预测结果的准确率。

本发明授权基于一维卷积神经网络的海洋钻井周期预测方法在权利要求书中公布了：1.一种基于一维卷积神经网络的海洋钻井周期预测方法，其特征在于，包括以下步骤：S1、获取并基于各井段钻进次数都为一次的海洋钻井的钻井历史数据，构建训练数据集；其中钻井数据包括开钻年份、所处盆地、完钻井深、各井段的钻头尺寸、各井段的套管尺寸、各井段顶深、各井段钻深和钻井周期；钻井周期为钻井达到设计深度所用进尺作业时间和固井作业时间；S2、搭建一维卷积神经网络模型，通过训练数据集对一维卷积神经网络模型进行训练；S3、获取并基于待预测钻井周期的海洋钻井的设计基础数据，构建预测数据集；其中设计基础数据包括开钻年份、所处盆地、完钻井深、各井段的钻头尺寸、各井段的套管尺寸、各井段顶深和各井段钻深；S4、采用训练后的一维卷积神经网络模型对预测数据集进行处理，获取预测的海洋钻井周期；一维卷积神经网络模型包括依次连接的输入层、一维卷积层C1、一维卷积层C2、一维最大池化层、Dropout层、全连接层和输出层；其中：一维卷积层C1、一维卷积层C2的激活函数均为ReLU函数，全连接层的激活函数为linear激活函数，一维卷积层C1、一维卷积层C2和一维最大池化层的填充方式为valid；一维卷积层C1的卷积核长度为3，卷积核个数为64个，步长为1，输出的特征子序列长度为31，个数为64；一维卷积层C2的卷积核长度为3，卷积核个数为64个，步长为1，输出的特征子序列长度为29，个数为64；一维最大池化层的下采样区域长度为4，输出的特征子序列长度为7，个数为64；Dropout层的随机失活概率为0.4，包括448个节点；输出层的输出节点为1；步骤S1中构建训练数据集的具体方法包括以下步骤：S1-1、对完钻井深、各井段的钻头尺寸、各井段的套管尺寸、各井段顶深和各井段钻深中不足六开的数据进行补零至六开，完成数据预处理；S1-2、对开钻年份和所处盆地进行独热编码，对预处理后的数据按类型分别进行全局归一化；S1-3、将同一口井对应的独热编码得到的向量和全局归一化得到的向量进行拼接，得到训练样本；S1-4、将已知的钻井周期作为对应训练样本的标签，得到训练数据集。

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新疆大学;北京油源恒业科技有限公司，其通讯地址为：830000 新疆维吾尔自治区乌鲁木齐市胜利路666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”。