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天然气股份有限公司申请的专利一种基于深度学习的井筒积液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：CN114239419B 。

龙图腾网通过国家知识产权局官网在2025-07-01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：202111603701.0，技术领域涉及：G06F30/27；该发明授权一种基于深度学习的井筒积液预测方法是由刘军;杨学锋;胡南;朱怡辉;梁谷;段洋;李琴;贾艳芬;董莎;舒茂迪;万翠容;陈丽清设计研发完成，并于2021-12-24向国家知识产权局提交的专利申请。

本一种基于深度学习的井筒积液预测方法在说明书摘要公布了：本发明提供一种基于深度学习的井筒积液预测方法，包括：S1、获取SCADA生产高频数据并对其进行降维；S2、将降维后的SCADA生产高频数据与A2数据和地质参数数据进行特征融合，得到融合后的特征向量；S3、利用融合后的特征向量进行数据建模并进行训练，计算重构误差向量；S4、根据重构误差向量计算动态阈值，并根据动态阈值判断井筒是否积液。本发明实现了基于深度学习的井筒积液预测，其中采用秒级数据作为特征，使得模型不仅仅只关注天与天之间的数据波动，也考虑到天内数据波动情况，能捕捉到更加细微的数据变化；并且采用动态阈值的方法对积液进行预测，能够解决在实际工业生产中出现相较于正常状态下的较大的数据波动时，也能够使得模型不会进行误判。

本发明授权一种基于深度学习的井筒积液预测方法在权利要求书中公布了：1.一种基于深度学习的井筒积液预测方法，其特征在于，包括如下步骤： S1、获取SCADA生产高频数据并对其进行降维； S2、将降维后的SCADA生产高频数据与A2数据和地质参数数据进行特征融合，得到融合后的特征向量；其中，A2数据为SCADA生产高频数据按天汇总的生产数据； S3、利用融合后的特征向量进行数据建模并进行训练，计算重构误差向量； S4、根据重构误差向量计算动态阈值，并根据动态阈值判断井筒是否积液； 步骤S3中利用融合后的特征进行数据建模并进行训练的方法包括： S31、构建具有多头注意力机制的Transformer模型，所述Transformer模型包括若干个并行的缩放点乘注意力模块；每个所述缩放点乘注意力模块基于编码-解码的架构，由一个编码器和一个解码器构成；所述编码器和解码器内部均使用多头注意力机制搭建，每个多头注意力机制间由特征融合层与前向传播层连接； S32、每个缩放点乘注意力模块利用缩放点乘注意力机制对融合后的特征计算Qqueries、Kkeys、Vvalues，再根据计算结果进行缩放点乘注意力计算，从而完成数据建模；其中，Qqueries为每条数据想要查询的内容，Kkeys为每条数据关键字，Vvalues为每条数据的内容； S33、使用井筒未积液时间段的数据，先对所述井筒未积液时间段的数据采取步骤S2进行特征融合，再将得到的特征向量作为输入特征对步骤S32完成数据建模后构建的模型进行训练。

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天然气股份有限公司，其通讯地址为：100011 北京市东城区安德路16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”。