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！

龙图腾网获悉吉林大学申请的专利一种基于深度学习的油页岩热解状态识别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：CN115828159B 。

龙图腾网通过国家知识产权局官网在2025-12-30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：202211603604.6，技术领域涉及：G06F18/241；该发明授权一种基于深度学习的油页岩热解状态识别方法是由时小虎;袁宇平;乔钰恒;常志勇设计研发完成，并于2022-12-13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油页岩热解状态识别方法在说明书摘要公布了：本发明适用于油页岩热解开采技术领域，提供了一种基于深度学习的油页岩热解状态识别方法，包括以下步骤：使用气体传感器电子鼻采集油页岩在5℃min的加热裂解的气体数据；传感器收集到的数据进行数据清洗与归一化处理；利用气体传感器数据划分出训练集、验证集与测试集；对数据加窗，提取时间序列特征，完成特征提取模块；训练得到基于深度学习的网络模型。通过增加数据清洗、数据归一化和数据加窗，提高了传感器数据的特征工程效果，针对气体传感器阵列的特征，选择使用GCN提取传感器之间的关系，针对油页岩热解反应过程，选择使用LSTM提取反应的时间序列特征，最后通过MLP模块输出预测需要的热解状态和精确的成熟度。

本发明授权一种基于深度学习的油页岩热解状态识别方法在权利要求书中公布了：1.一种基于深度学习的油页岩热解状态识别方法，其特征在于，包括以下步骤： 步骤一、使用气体传感器电子鼻采集油页岩在5℃min的加热裂解的气体数据； 步骤二、传感器收集到的数据进行数据清洗与归一化处理； 步骤三、利用气体传感器数据划分出训练集、验证集与测试集； 步骤四、对数据加窗，提取时间序列特征，完成特征提取模块； 步骤五、训练得到基于深度学习的网络模型； 其中，所述步骤四中窗口大小为10，窗口向下滑动步长为1； 所述步骤五中训练得到基于深度学习的网络模型，具体实施步骤如下： S1.利用GCN模块、LSTM模块和MLP模块组成的深度学习模型不断训练优化热解状态识别模型，获得最优的油页岩热解状态识别模型； S2.训练直至结果收敛后保存油页岩热解状态识别参数，利用保存的深度学习模型对油页岩热解的状态进行预测，并获取热解阶段分类的精确成熟度%RO值； S3.所述GCN模块、LSTM模块和MLP模块组成的深度学习模型包括隐藏层数量、隐藏神经节点数、图数量、激活函数、优化器、学习率、随机失活层、迭代次数和BATCH-SIZE，并利用带权重的focal-loss损失函数训练模型涉及的超参数； 所述GCN模块、LSTM模块和MLP模块的表达式如下所示： GCN模块： ； 式中，将处理过的数据输入到GCN模块中，随机失活层的值设置为0.5，ReLU是激活函数，，是带自环的邻接矩阵，A是邻接矩阵，为单位矩阵是一个度矩阵，其对角元素表示连接到每个节点的边的数量，n=16表示16个气体传感器； LSTM模块： 通过GCN模块的序列输入到LSTM，LSTM模块从头到尾处理序列，将其通过输入门和遗忘门，并获取信息输出门的值，信息输出门的值包含前面每个位置生成的输出，对于输入一个LSTMCell的数据构建初始LSTM模型，具体包括： ； 在接收数据后，需要通过Sigmoid函数进行处理，输入数据对单元结构的影响为，为输入门的权值项，为输入门的偏置项，在下一步激活函数产生一个新的候选向量，将其加入LSTMCell状态中，表达式为： ； 遗忘门决定LSTMCell如何遗忘信息： ； 式中，是当前时刻的输入，是上一时刻隐藏层的输入，是遗忘门的输出，是遗忘门的权值，是遗忘门的偏置项； 更新后的LSTMCell状态表达式是： ； 输出门根据新的LSTMCell状态确定输出如下公式： ； 最后，取该时刻的隐藏层输出LSTM模块的最终结果； ； MLP模块： 数据进入该模块，全连接网络的输出由以下表达式得到： 其输出表示通过Softmax层来获得的油页岩裂解状态类别如下表达式： ； 或者预测出代表3个状态的精确指标成熟度%RO值如下表达式： ； 训练模型使用的带权重的focal-loss损失函数如下表达式： ； 式中，表示样本属于第c类的概率，经过实验将γ设置为2，权重参数设置为1：1：10，代表3个类别的权重。

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吉林大学，其通讯地址为：130000 吉林省长春市前进大街2699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。