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可解释性机器学习的井漏分析方法、系统和介质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：CN116127320B 。

龙图腾网通过国家知识产权局官网在2026-02-03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：202310105857.9，技术领域涉及：G06F18/214；该发明授权一种基于可解释性机器学习的井漏分析方法、系统和介质是由冯永存;杨恒;邓金根;李晓蓉;闫伟;刘伟;谭强;蔚宝华设计研发完成，并于2023-02-13向国家知识产权局提交的专利申请。

本一种基于可解释性机器学习的井漏分析方法、系统和介质在说明书摘要公布了：本发明属于智能油气田开发领域技术领域，涉及本发明的目的是提供了一种基于可解释性机器学习的井漏分析方法、系统和介质，包括：采集井漏数据，建立井漏数据集；根据所述井漏数据集中数据，通过高斯聚类模型判断井漏类型；根据所述井漏数据集中数据结合井漏类型判断模型，构建训练集和测试集；构建实时判断井漏类型的模型，通过所述训练集中数据对所述模型进行训练，通过所述测试集中数据对所述模型进行验证；通过基于SHAP值的可解释性机器学习算法对训练好的实时判断井漏类型的模型进行解析，获得井漏原因。其突破了常规机器学习法的可解释性差的技术瓶颈，真正意义上的实现了对于大量多维漏失因素的合理可靠分析。

本发明授权一种基于可解释性机器学习的井漏分析方法、系统和介质在权利要求书中公布了：1.一种基于可解释性机器学习的井漏分析方法，其特征在于，包括： 采集井漏数据，建立井漏数据集； 根据所述井漏数据集中数据，通过高斯聚类模型判断井漏类型； 根据所述井漏数据集中数据结合井漏类型判断模型，构建训练集和测试集； 通过所述训练集中数据对实时判断井漏类型的模型进行训练，通过所述测试集中数据对所述模型进行验证； 通过基于SHAP值的可解释性机器学习算法对训练好的实时判断井漏类型的模型进行解析，获得井漏原因； 所述采集井漏数据，建立井漏数据集的方法为： 根据录井数据、测井数据和钻井日报收集漏失数据； 所述漏失数据的类型包括漏失表征特征、钻井液特征和可操作钻井参数； 所述漏失表征特征包括漏失量、漏失速度和漏排比； 所述通过高斯聚类模型判断井漏类型的方法为： 通过高斯聚类模型分别计算所述漏失量、漏失速度和漏排比的高斯分布模型； 将所述漏失量、漏失速度和漏排比的高斯分布模型乘以各特征的权重并相加获得混合模型的概率密度函数； 根据所述混合模型的概率密度函数，计算所述混合模型的BIC值，以确定最佳聚类数； 根据所述最佳聚类数，通过所述混合模型的空间图观测器分布规律； 所述通过所述混合模型的空间图观测器分布规律包括： 根据每类的漏失表征特征，画出空间分布图，统计聚类得到的各个类型的平均漏失量、漏失速度、漏排比和密度差； 结合实际井漏类型的漏失规律，将聚类结果与实际井漏类型对应； 根据聚类结果与实际井漏类型对应情况，确定井漏数据集中每通井漏事件对应的类型。

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。