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！

龙图腾网恭喜西安石油大学申请的专利一种多尺度裂缝发育的致密油气藏生产动态快速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：CN119940156B 。

龙图腾网通过国家知识产权局官网在2025-06-24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：202510423089.0，技术领域涉及：G06F30/27；该发明授权一种多尺度裂缝发育的致密油气藏生产动态快速预测方法是由马小鹏;赵金省;刘建斌;田亚鹏;张文通;郑鹏设计研发完成，并于2025-04-07向国家知识产权局提交的专利申请。

本一种多尺度裂缝发育的致密油气藏生产动态快速预测方法在说明书摘要公布了：本发明公开了一种多尺度裂缝发育的致密油气藏生产动态快速预测方法，属于石油开采技术领域，包括如下步骤：步骤1、获得多尺度裂缝分布数据样本和生产模拟数据样本，构建样本库；步骤2、建立裂缝网络图表示数据；步骤3、基于图表示数据计算裂缝网络的顶点连通强度矩阵；步骤4、建立深度图与时序混合学习模型，用于致密油气藏生产动态快速预测；步骤5、对深度图与时序混合学习模型进行训练，训练完成之后对模型的性能进行验证；步骤6、基于训练完成的模型进行致密油气藏生产动态快速预测。本发明能够提高致密油气藏的生产动态预测效率，为致密油气藏的历史拟合以及生产优化等提供基础。

本发明授权一种多尺度裂缝发育的致密油气藏生产动态快速预测方法在权利要求书中公布了：1.一种多尺度裂缝发育的致密油气藏生产动态快速预测方法，其特征在于，包括如下步骤： 步骤1、获得多尺度裂缝分布数据样本和生产模拟数据样本，构建样本库； 步骤2、建立裂缝网络图表示数据； 步骤3、基于图表示数据计算裂缝网络的顶点连通强度矩阵； 步骤4、建立深度图与时序混合学习模型，用于致密油气藏生产动态快速预测；具体过程为： 步骤4.1、建立深度图学习模块，用于对裂缝网络的图表征数据进行特征学习与提取； 所述步骤4.1中，深度图学习模块包括嵌入层、信息传播聚合模型、改进的Transformer模型、全局池化层；具体工作过程为： 步骤4.1.1、将裂缝网络图表示数据输入嵌入层，嵌入层使用两个独立的全连接层分别将图数据的顶点特征和边特征进行一次特征映射； 步骤4.1.2、采用信息传播聚合模型将嵌入层映射后的边特征融合到顶点特征中；具体为：信息传播聚合模型将第个顶点和第个顶点之间的边的特征传播给边对应的第个顶点和第个顶点，使用向量拼接合并操作，将边特征合并到顶点特征向量，并使用一层全连接神经网络将顶点处合并的向量进行一次映射计算，得到更新后的顶点特征； 步骤4.1.3、基于改进的Transformer模型对融合了边特征后的顶点特征进行多层次更新与特征变换；改进的Transformer模型将连通强度矩阵嵌入到原始Transformer模型的学习与预测过程中，使用顶点连通强度矩阵作为裂缝网络结构编码信息参与一次注意力操作的计算过程，具体如下： 2； 式中，表示第层编码器输出的更新后的顶点特征；表示第层编码器更新后的顶点特征的维数；为softmax函数；、和表示注意力操作中的查询矩阵、键矩阵和值矩阵；表示顶点的总个数；为第层编码器更新后的顶点特征的维数；是可学习的权重矩阵；为转置符号； 步骤4.1.4、使用全局池化层将所有顶点特征池化为一个特征向量作为深度图学习模块的输出，特征向量即为提取得到的裂缝网络的高层级特征； 步骤4.2、建立深度时序学习模块，用于生产井的生产动态数据预测； 步骤4.3、将深度图学习模块和深度时序学习模块进行组合，得到一个端对端的深度图与时序混合学习模型；深度图与时序混合学习模型的输入数据为裂缝网络的图表示数据和裂缝网络的顶点连通强度矩阵，输出为生产动态预测数据； 步骤5、对深度图与时序混合学习模型进行训练，训练完成之后对模型的性能进行验证； 步骤6、基于训练完成的模型进行致密油气藏生产动态快速预测。

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西安石油大学，其通讯地址为：710065 陕西省西安市雁塔区电子二路东段18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”。