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物理信息约束的测井岩性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：CN121115166B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202511650562.5，技术领域涉及：G01V11/00；该发明授权一种基于物理信息约束的测井岩性识别方法是由马银龙;卢帅屹;李宗政设计研发完成，并于2025-11-12向国家知识产权局提交的专利申请。

本一种基于物理信息约束的测井岩性识别方法在说明书摘要公布了：本发明适用于测井岩性识别技术领域，提供了一种基于物理信息约束的测井岩性识别方法，包括以下步骤：步骤1：数据处理；步骤2：图构建；步骤3：构建图注意力神经网络；步骤4：构建混合损失函数；步骤5：岩性预测。本方法通过数据驱动与物理信息的协同作用，性能显著优于各类纯数据驱动的模型。得益于物理约束的强正则化作用，其具有更强的泛化能力和在新数据上的预测稳定性。从根本上解决了传统“黑箱”模型可能产生违背物理常识结果的问题，确保了输出结果在地质上的合理性。

本发明授权一种基于物理信息约束的测井岩性识别方法在权利要求书中公布了：1.一种基于物理信息约束的测井岩性识别方法，其特征在于，包括以下步骤： 步骤1：数据处理； 从目标区域的多口测井中采集原始测井数据和已知的岩性数据，对数据进行预处理操作，得到一维测井序列数据； 步骤2：图构建； 将处理后的一维测井序列数据转化为图结构，每一个测井深度采样点被抽象为一个节点，其特征由该测井深度采样点的多维测井响应值构成，深度上相邻的节点之间建立边，以表征地层的垂向邻接关系； 步骤3：构建图注意力神经网络； 所构建的图注意力神经网络包括共享主干网络和两个解耦的任务分支，共享主干网络用于学习通用的地质上下文特征，随后特征被送入两个任务分支，两个任务分支分别用于岩性判断以及预测物性参数； 步骤4：构建混合损失函数； 所述混合损失函数包括岩性分类损失、多尺度物理约束损失以及图平滑损失，并通过动态加权策略对各损失项进行加权求和，以优化模型参数； 步骤5：岩性预测； 将待识别的新井数据输入到训练完成的模型中，利用分类分支的输出，对每一个深度点的岩性进行预测，生成岩性剖面； 在所述步骤4中，岩性分类损失采用标准的交叉熵损失函数，利用已知的岩性标签来监督分类分支的输出，其公式为： ； 其中，代表训练集中的样本总数；代表岩性类别的总数；是一个指示变量，如果样本的真实类别是类别，则，否则为0；是模型预测样本属于类别的概率，即模型输出的Logits经过Softmax函数归一化后的结果； 多尺度物理约束损失是一组将物理定律转化为可微损失函数的集合，作用于物理分支的输出，引导模型生成符合物理规律的解； 密度损失基于岩石物理的质量平衡方程： ； 式中，为理论体积密度，为模型预测的孔隙度，为模型预测的岩石骨架密度，为地层中流体的密度； 该损失惩罚模型预测的孔隙度和骨架密度计算出的理论体积密度与实测体积密度之间的差异，损失函数为： ； 其中，为综合密度损失，为物理拟合密度损失，为监督密度损失，为地质先验密度损失； 其中： ； 式中，为均方误差，为实测体积密度； ； 式中，为实测岩石骨架密度； ； 式中，为测井GR曲线值，为皮尔逊相关系数； 孔隙度渗透率关系损失：采用Kozeny-Carman方程描述渗透率与孔隙度间的正相关趋势；通过约束渗透率与孔隙度的关系符合这一物理趋势，损失函数为： ； 其中，为孔隙度渗透率关系损失，为渗透率预测值向量，为根据模型预测的孔隙度，通过K-C方程变换后得到的理论孔隙度项，其中： ； 式中，为模型对第个数据点的孔隙度预测值，为理论孔隙度项的第个数据点； 达西定律损失：通过最小化理论垂向流速剖面的方差，来约束模型生成在垂向上更连续、更符合流体输运规律的渗透率剖面： ； 其中，为两个相邻深度点和之间计算出的垂向流体流速，和分别为深度点和的预测渗透率，和分别为和的已知压力，和分别为和的深度； 构建损失函数为： ； 式中，为方差函数，为达西定律损失，为垂向流体流速剖面向量； 图平滑损失是一个基于地质学先验的正则化项，通过对被模型预测为同一岩性的相邻节点间的渗透率差异施加惩罚，促使岩性内部的物性预测更平滑： ； 其中，表示对所有满足条件的节点对取期望，为图平滑损失，为节点的预测岩性，为节点的预测岩性，为图的边集。

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：130012 吉林省长春市朝阳区前进大街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。