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大学(北京)申请的专利一种基于多任务学习的钻井多参数协同预测方法和装置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：CN120561525B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202511063281.X，技术领域涉及：G06F30/27；该发明授权一种基于多任务学习的钻井多参数协同预测方法和装置是由张诚恺;宋先知;李明伟;祝兆鹏;李根生;周蒙蒙;张瑞;潘涛设计研发完成，并于2025-07-31向国家知识产权局提交的专利申请。

本一种基于多任务学习的钻井多参数协同预测方法和装置在说明书摘要公布了：本发明公开了一种基于多任务学习的钻井多参数协同预测方法和装置，该方法包括：从目标井的多维钻井参数中选取预测目标和输入参数组合，根据预测目标构建任务集，任务集包括多个针对预测目标的预测任务，各预测任务存在关联；将各预测任务的输入参数组合输入至多任务预测模型，得到各预测任务的预测结果；其中，多任务预测模型包括共享层、专家层、门控单元和塔层，共享层用于提取多个预测任务的通用特征，专家层用于提取各预测任务的特有特征，门控单元用于加权融合通用特征和特有特征，得到各预测任务的融合特征，塔层用于根据各预测任务的融合特征输出各预测任务的预测结果。本发明可以以较低成本、准确、高效地实现多个钻井参数的协同预测。

本发明授权一种基于多任务学习的钻井多参数协同预测方法和装置在权利要求书中公布了：1.一种基于多任务学习的钻井多参数协同预测方法，其特征在于，包括： 从目标井的多维钻井参数中选取预测目标和预测目标对应的输入参数组合，根据预测目标构建任务集，所述任务集包括多个针对预测目标的预测任务，各预测任务存在关联关系；所述预测目标包括机械钻速、井底压力和地层压力； 将各预测任务的输入参数组合输入至多任务预测模型，得到各预测任务的预测结果； 其中，所述多任务预测模型包括共享层、专家层、门控单元和塔层，所述共享层用于提取多个预测任务的通用特征，所述专家层用于提取各预测任务的特有特征，所述门控单元用于加权融合通用特征和特有特征，得到各预测任务的融合特征，所述塔层用于根据各预测任务的融合特征输出各预测任务的预测结果； 其中，所述共享层包括多个带有注意力机制的子专家网络，各子专家网络用于处理不同的输入参数组合，提取对应的共性特征，所述注意力机制用于计算共性特征对应的共享权重；相应地，所述共享层用于提取多个预测任务的通用特征，包括：所述共享层用于基于共享权重对对应的共性特征进行加权求和，得到多个预测任务的通用特征； 所述专家层包括多个针对预测目标的独立专家网络，各独立专家网络用于接收共享层输出的通用特征和各预测任务输入的不同输入参数组合，基于所述通用特征进行特征细化，捕捉输入参数组合特有的非线性映射关系，提取对应预测任务的特有特征；所述多个针对预测目标的独立专家网络包括钻速预测专家网络、井底压力专家网络、地层压力专家网络，所述钻速预测专家网络包括负责捕捉水力因素对钻速影响的第一专家网络、负责表征地层性质对钻速影响的第二专家网络、负责表征钻头磨损对钻速影响的第三专家网络和用于表征钻速与水力因素、地层性质及钻头磨损间映射关系的第四专家网络，所述第一专家网络、第二专家网络和第三专家网络输出的特征先与共享层输出的通用特征进行整合，再传递至第四专家网络，输出钻速特有特征； 所述门控单元包括全连接层、ReLU激活层及Softmax激活层；相应地，所述门控单元用于加权融合通用特征和特有特征，包括：所述门控单元用于拼接通用特征和特有特征，将拼接后的特征输入至全连接层后经ReLU激活层激活，基于Softmax激活层输出各预测任务的门控权重；根据各预测任务的门控权重加权融合通用特征和各预测任务的特有特征，得到各预测任务的融合特征；所述门控单元还用于在预测任务间的关联性变化时，自适应调整共享权重。

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大学(北京)，其通讯地址为：102249 北京市昌平区府学路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”。

以上内容由龙图腾AI智能生成。