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！

龙图腾网恭喜南京大学申请的专利基于深度学习参数化策略的CO₂地质封存反演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：CN119203780B 。

龙图腾网通过国家知识产权局官网在2025-06-06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：202411582981.5，技术领域涉及：G06F30/27；该发明授权基于深度学习参数化策略的CO₂地质封存反演模拟方法是由莫绍星;冯立;施小清;康学远;吴吉春设计研发完成，并于2024-11-07向国家知识产权局提交的专利申请。

本基于深度学习参数化策略的CO₂地质封存反演模拟方法在说明书摘要公布了：本发明公开了基于深度学习参数化策略的CO2地质封存反演模拟方法，利用深度学习方法对CO2地质封存储层的复杂渗透率场进行参数化降维表征，以一组低维正态分布的潜向量表征非均质渗透率场的分布特征，减少了CO2地质封存数值模拟中的待估参数数量。本发明通过将基于深度学习的参数化方法和多重数据同化迭代集合平滑算法相结合，反演时只需要循环更新低维潜向量，即可高效推估复杂储层的非均质渗透率场，进而提高数值模型对CO2地质封存过程的模拟预测精度。该发明通过有效推估CO2地质封存储层的复杂渗透率分布，提高了对CO2迁移转化过程的模拟刻画精度，可为CO2地质封存项目的优化运营和风险管理提供技术支撑。

本发明授权基于深度学习参数化策略的CO₂地质封存反演模拟方法在权利要求书中公布了：1.基于深度学习参数化策略的CO2地质封存反演模拟方法，其特征在于，其步骤包括：获取研究区域内封存目标储层的地质岩性钻井数据和水文地质数据以及在钻井处收集封存过程中CO2饱和度和储层压强的历史观测数据；根据所述地质岩性钻井数据和所述水文地质数据利用地质统计软件生成非均质储层渗透率场样本；根据所述地质岩性钻井数据和所述水文地质数据利用多相流数值模拟软件构建CO2封存正演数值模型；基于所述非均质储层渗透率场样本训练深度学习参数化模型，并随机生成低维标准正态分布潜向量初始样本集合；由所述深度学习参数化模型、所述CO2封存正演数值模型和多重数据同化迭代集合平滑算法共同构建CO2地质封存耦合反演模拟框架；所述CO2地质封存耦合反演模拟框架包括：深度学习参数化模型的解码器，所述深度学习参数化模型的解码器以低维标准正态分布潜向量样本集合作为输入，输出非均质储层渗透率场样本集合及非均质储层渗透率场标准差样本集合；CO2封存正演数值模型，所述CO2封存正演数值模型以深度学习参数化模型的解码器输出的非均质储层渗透率场样本集合作为输入，输出CO2饱和度和储层压强模拟值样本集合；多重数据同化迭代集合平滑算法，所述多重数据同化迭代集合平滑算法以所述低维标准正态分布潜向量样本集合、所述CO2封存正演数值模型的输出、所述CO2饱和度和储层压强的历史观测数据和所述非均质储层渗透率场标准差样本集合作为多重数据同化迭代集合平滑算法的输入数据，输出更新后的低维标准正态分布潜向量样本集合；基于低维标准正态分布潜向量初始样本集合，利用CO2地质封存耦合反演模拟框架，得到最终的低维潜向量样本集合；将所述最终的低维潜向量样本集合输入到训练好的所述深度学习参数化模型中，得到对应的非均质储层渗透率场后验样本数据集；将所述非均质储层渗透率场后验样本数据集输入至所述CO2封存正演数值模型，获得对应的CO2饱和度和储层压强模拟值后验样本数据集。

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南京大学，其通讯地址为：210023 江苏省南京市栖霞区仙林大道163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”。