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！

龙图腾网获悉北京科技大学申请的专利一种基于数据驱动的煤层气产量预测方法及系统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：CN115860197B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202211464388.1，技术领域涉及：G06Q10/04；该发明授权一种基于数据驱动的煤层气产量预测方法及系统是由都书一;宋鹂影;宋洪庆;王九龙;王玫珠;杨焦生设计研发完成，并于2022-11-22向国家知识产权局提交的专利申请。

本一种基于数据驱动的煤层气产量预测方法及系统在说明书摘要公布了：本发明涉及一种基于数据驱动的煤层气产量预测方法及系统，首先获取待预测生产井的煤层气动态产量历史数据以及待预测生产井的煤层气产量预测相关数据；根据所述煤层气动态产量历史数据，确定所述待预测生产井所属的生产井类型；然后选取与所述生产井类型对应的训练好的煤层气产量预测模型为目标模型；最后将所述待预测生产井的煤层气产量预测相关数据输入所述目标模型，获得待预测生产井的产量数据。本发明通过获取煤层气开采现场最容易获取的也是最有价值的监测数据，根据该部分数据，并利用机器学习方法训练的产量预测模型来计算煤层气产量，减小了数据获取时间，提高了煤层气产量预测速度。

本发明授权一种基于数据驱动的煤层气产量预测方法及系统在权利要求书中公布了：1.一种基于数据驱动的煤层气产量预测方法，其特征在于，包括： 获取待预测生产井的煤层气动态产量历史数据以及待预测生产井的煤层气产量预测相关数据；所述煤层气产量预测相关数据包括动态相关历史数据和静态相关数据；所述动态相关历史数据包括历史井底流压、历史产气量、历史产水量、历史油压、历史管压、历史动液面、累产油量以及累产水量；所述静态相关数据包括压裂后的渗透率、原始含气量、地应力以及储层厚度； 根据所述煤层气动态产量历史数据，确定所述待预测生产井所属的生产井类型；所述生产井类型包括：常规生产井、单峰生产井、双峰生产井以及无规则生产井；所述常规生产井为产量依次经历增产期、稳产期和减产期三个阶段的生产井；所述单峰生产井为稳产期时间小于设定阈值或稳产期时间为零的生产井；所述双峰生产井为包含两个增产期和两个减产器，且稳产期时间小于设定阈值或稳产期时间为零的生产井；所述无规则生产井为不属于所述常规生产井、所述单峰生产井和所述双峰生产井的生产井； 选取与所述生产井类型对应的训练好的煤层气产量预测模型为目标模型；所述训练好的煤层气产量预测模型为以样本生产井的煤层气产量预测相关数据为输入，以样本生产井的煤层气实际产量数据为标签训练得到的模型；所述训练好的煤层气产量预测模型采用双向长短时记忆网络模型； 将所述待预测生产井的煤层气产量预测相关数据输入所述目标模型，获得待预测生产井的产量数据；所述产量数据包括井底流压、产气量和产水量； 所述选取与所述生产井类型对应的训练好的煤层气产量预测模型为目标模型之前，所述方法还包括对所述煤层气产量预测模型进行训练，训练过程包括：获取样本生产井的煤层气产量预测相关数据以及样本生产井的煤层气实际产量数据之后，对所述样本数据进行预处理；所述样本数据包括所述样本生产井的煤层气产量预测相关数据以及样本生产井的煤层气实际产量数据；对所述样本数据进行预处理包括： 检测所述样本数据中的异常值； 将所述异常值从所述样本数据中删除； 对样本数据的异常值进行检测并去除的具体方法可采用下述方式进行：利用产气量Qg、产水量Qw、井底流压Pw建立三维坐标系，依据生产井开发的天数将单井动态数据映射到三维坐标系中，首先依据距离公式计算任意两点p,o之间的距离，公式为： o点与其第k个最近点之间的距离被定义为dk，所有满足p到o的距离不超过dk的点的集合被定义为Nko，公式为： Nko＝{p∈Z|dp，o≤dk} 其中，Z为单井在三维坐标系中的所有映射点集合，然后，确定每个点p到o的绝对距离，绝对距离的公式为： Adkp，o＝max{dk，dp，o} 该点的密集性I以及异常度Abd可以表达为： 通过上述方法计算所有点的异常度，按照从大到小的顺序进行排列，异常度越大说明该点是异常值的可能性越高； 所述对所述样本数据进行预处理还包括将所述样本数据中的缺失值进行补全： 确定所述样本数据中的缺失段数据；所述缺失段数据包括产气量和产水量； 获取所述缺失段数据对应的缺失段补全相关数据；所述缺失段补全相关数据用于计算缺失段数据；所述缺失段补全相关数据包括井底流压、油压、管压和动液面； 将所述缺失段补全相关数据输入训练好的补全模型中，获得所述缺失段数据对应的数值；所述训练好的补全模型是以正常数据中的井底流压、油压、管压和动液面为输入，以正常数据中的产气量和产水量为标签训练得到的模型； 所述训练过程的损失函数为： Ltol＝μLs+τLd 其中，Ltol为总损失；Ld和Ls分别表示动态损失和静态损失；μ和τ分别表示静态损失和动态损失的系数，μ+τ＝1； 动态损失为： 其中，Net代表双向长短时记忆网络通过链式求导法则和反向传播算法计算过程；NetPw为基于煤层气产量预测模型预测的井底流压；NetQg为基于煤层气产量预测模型预测的产气量；NetQw为基于煤层气产量预测模型预测的产水量；N为总样本数量；RPw表示真实的井底流压值；RQg表示真实的产气量值；RQw表示真实的产水量值； 静态损失为： 其中，K为压裂后的渗透率；Gc为原始含气量；Gs为地应力；Rt为储层厚度。

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北京科技大学，其通讯地址为：100083 北京市海淀区学院路30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。