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(华东)申请的专利一种基于多模态融合深度学习模型的气驱前缘描述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：CN121479527B 。

龙图腾网通过国家知识产权局官网在2026-04-24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：202610006995.5，技术领域涉及：G06F18/2415；该发明授权一种基于多模态融合深度学习模型的气驱前缘描述方法是由张纪远;吴宽宽;冯其红;王森;张先敏;伍藏原;商琳;杨红斌设计研发完成，并于2026-01-06向国家知识产权局提交的专利申请。

本一种基于多模态融合深度学习模型的气驱前缘描述方法在说明书摘要公布了：本发明涉及油气田开发技术领域，具体涉及一种基于多模态融合深度学习模型的气驱前缘描述方法包括：收集多模态数据，构建多模态综合数据库；对多模态综合数据库进行数据预处理与清洗；构建多模态融合深度学习模型；对多模态融合深度学习模型进行训练与超参数优化；将实时数据输入训练好的模型，输出前缘预测结果；根据输出的预测结果，将符合要求的新数据加入多模态综合数据库，触发模型增量训练，更新参数以适应油藏动态变化，本发明通过整合静态地质数据、动态生产数据、实时监测数据及历史前缘数据，实现了对气驱前缘的快速、精准、全域动态预测。

本发明授权一种基于多模态融合深度学习模型的气驱前缘描述方法在权利要求书中公布了：1.一种基于多模态融合深度学习模型的气驱前缘描述方法，其特征在于，包括以下步骤： S1、收集多模态数据，构建多模态综合数据库，所述多模态数据包括目标油藏的静态地质数据、动态生产数据、实时监测数据和历史前缘数据； S2、对多模态综合数据库进行数据预处理与清洗； S3、构建基于Transformer-Ctrl-LSTM-FCN的多模态融合深度学习模型； S4、对多模态融合深度学习模型进行训练与超参数优化； S5、将实时数据输入训练好的模型，输出前缘预测结果； S6、根据输出的预测结果，将符合要求的新数据加入多模态综合数据库，触发模型增量训练，更新参数以适应油藏动态变化； S3包括： S31、构建Transformer编码器处理静态地质数据，同时加入局部注意力机制，增强地质特征的提取； S32、采用改进的Ctrl-LSTM网络处理动态生产数据，提取时序特征； S33、针对实时监测数据和历史前缘数据中的一维标量数据，构建全连接神经网络FCN特征提取模块，通过深层网络结构实现标量数据的最大化特征提取，为多模态融合提供高质量的特征输入； S34、跨模态融合层：基于注意力权重动态分配机制融合S31-S33三类模态的特征; S35、采用全连接层和Softmax激活函数构建前缘预测输出层，输出气驱前缘图像； S32中，改进的Ctrl-LSTM网络包括： S321、构建时间记忆转移路径； S322、构建空间记忆转移路径； S323、基于注意力机制，将时间记忆转移路径和空间记忆转移路径的输出进行深度融合，生成综合的时序特征； S323中，深度融合的表达式为： ， 其中，为动态特征向量，、、、为网络权重参数，为当前时间步的输入数据，为控制信号，为Sigmoid激活函数，为上一时间步的隐藏状态，为当前时间步的细胞状态，为当前时间步的空间记忆状态； S34中，所述注意力权重动态分配机制融合公式为： ， 其中，为全局多模态特征向量，为静态特征向量，为动态特征向量，为标量特征向量，为注意力权重。

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(华东)，其通讯地址为：257061 山东省东营市东营区北一路739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。