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！

龙图腾网获悉四川航天职业技术学院(四川航天高级技工学校)申请的专利三维渗透率预测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：CN121147904B 。

龙图腾网通过国家知识产权局官网在2026-02-27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：202511710692.3，技术领域涉及：G06V20/64；该发明授权三维渗透率预测方法是由廖梦羽;张浩;文雅;张静;向萱岭;徐浩;杨隽玉;杨文博;梁董成;张婷婷;周乐鑫设计研发完成，并于2025-11-20向国家知识产权局提交的专利申请。

本三维渗透率预测方法在说明书摘要公布了：本发明公开了一种三维渗透率预测方法，涉及油气田勘探开发技术领域，基于三维渗透率预测模型3D‑PEMnet实现，包括：将三维多孔介质图像输入至3D‑PEMnet的初始卷积层，初始卷积层用于从三维数据中提取空间特征，同时进行下采样；将三维特征输入至依次连接的多层EMBConv模块，多层EMBConv模块通过使用不同的卷积核尺寸和步长提取不同尺度的特征，并实现跨尺度的特征融合；将获取到的高维特征经过一个卷积层进行通道降维，输出通道降维后的特征向量；并通过全局平均池化对通道降维后的特征向量进行空间降维；最终，通过一个全连接层获得渗透率的预测值；本发明实现了更高效且精准的渗透率预测。

本发明授权三维渗透率预测方法在权利要求书中公布了：1.一种三维渗透率预测方法，其特征在于，基于三维渗透率预测模型3D-PEMnet实现，所述的方法包括以下步骤： 步骤1、将三维多孔介质图像输入至三维渗透率预测模型3D-PEMnet的初始卷积层，所述初始卷积层用于从三维数据中提取空间特征，同时进行下采样； 步骤2、将经过初始卷积层的三维特征输入至依次连接的多层EMBConv模块，多层所述EMBConv模块通过使用不同的卷积核尺寸和步长提取不同尺度的特征，并实现跨尺度的特征融合； 步骤3、通过多层EMBConv模块之后，将获取到的高维特征经过一个卷积层进行通道降维，输出通道降维后的特征向量；并通过全局平均池化对通道降维后的特征向量进行空间降维；最终，通过一个全连接层获得渗透率的预测值； 每一层所述EMBConv模块通过一系列卷积操作来实现特征提取，同时利用多尺度注意力机制增强三维渗透率预测模型3D-PEMnet对不同尺度特征的关注，并通过残差连接和Dropout机制保证三维渗透率预测模型3D-PEMnet的稳定性和泛化能力； 每一层所述EMBConv模块依次执行如下操作： 1升维卷积：卷积核大小为1×1×1，步长为1的的升维卷积层，在不改变输入特征的空间维度的前提下，增加输入特征的通道数，随后使用BN和Swish激活函数进行归一化和非线性处理； 2深度可分离卷积：采用两步分离的深度可分离卷积模块，深度可分离卷积的步长设置为1或者2，当步长为2时，对输入特征进行下采样，使输出特征图的空间尺寸相较于输入特征图减半；输出后的特征采用了BN和Swish激活函数进行正则化和非线性处理； 33DEMA模块：将不同的尺度上特征信息聚合，并为每个尺度分配不同的注意力权重，使三维渗透率预测模型3D-PEMnet关注特征中的重要信息； 4降维卷积：卷积核大小为1×1×1，步长为1的降维卷积层，对输入特征进行降维，同时保持空间维度不变，降维后的特征通过BN进行正则化处理； 5Dropout与残差连接：Dropout机制通过在训练过程中以预设的概率随机禁用部分神经元，增强三维渗透率预测模型3D-PEMnet的泛化能力；最后，使用残差连接，将输入直接与输出相加； 所述3DEMA模块具体执行如下操作： 设3DEMA模块输入大小为C×H×W×D的张量，其中，C为通道数，H、W、D分别代表数据的高度、宽度和深度；首先，第一分支获取空间注意力，将输入分成G组，每组的维度为CG×H×W×D；接下来，对三个空间维度X、Y、Z分别进行平均池化操作，X方向、Y方向和Z方向的平均池化分别将张量的维度减少为CG×1×W×1、CG×H×1×1和CG×1×1×D的张量；同时，第二分支获取通道注意力，采用一个大小为3×3×3的核对原始输入进行三维卷积操作，得到的张量维度为CG×H×W×D； 将X、Y和Z三个方向的平均池化操作的输出在通道维度上进行拼接，采用卷积核大小为1×1×1进行卷积，得到一个维度为CG×1×1×H+W+D的张量；随后，将张量分割为三个独立的张量，维度分别为CG×1×W×1、CG×H×1×1、和CG×1×1×D；并分别通过sigmoid激活函数进行处理，获得三个注意力权重；每个注意力权重都用于重新加权分组原始输入张量；加权后的输入张量随后通过组归一化进行归一化，维度为CG×H×W×D；将归一化后的张量在空间维度上进行平均池化，得到一个维度为CG×1×1×1的张量，并通过softmax激活函数处理，处理结果用于与第二分支上的张量进行矩阵乘法，得到一个维度为1×H×W×D的输出； 同时，将第二分支上经过卷积后的张量在通道维度上进行平均池化，得到一个维度为CG×1×1×1的张量，并通过sofmax激活函数和与第一分支上的张量进行矩阵乘法，得到一个维度为1×H×W×D的输出； 最后，两个分支输出的和经过sigmoid激活函数获得交叉注意力权重，结果用于重新加权分组输入张量，使最终输出张量保持原始维度C×H×W×D。

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四川航天职业技术学院(四川航天高级技工学校)，其通讯地址为：610000 四川省成都市龙泉驿区天生路155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。