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！

龙图腾网恭喜西南石油大学申请的专利一种基于测井数据的多任务储层参数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：CN119025925B 。

龙图腾网通过国家知识产权局官网在2025-03-18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：202411507847.9，技术领域涉及：G06F18/214；该发明授权一种基于测井数据的多任务储层参数预测方法是由徐超;陈雁;张若飞;陈鹏;许森海;刘创;曹婧;李晨设计研发完成，并于2024-10-28向国家知识产权局提交的专利申请。

本一种基于测井数据的多任务储层参数预测方法在说明书摘要公布了：本发明提供了一种基于测井数据的多任务储层参数预测方法，属于油气田开发技术领域。包括获取测井曲线数据，并对测井曲线数据进行预处理；构建LSTM‑CNN曲线重构模型，并对经预处理后的测井缺失曲线数据进行重构；构建Transformer多任务模型，并根据重构后的测井缺失曲线数据，利用Transformer多任务模型对储层参数进行预测，完成对多任务储层参数的预测，本发明解决了传统方法未能充分利用测井数据随地层深度变化趋势的问题。

本发明授权一种基于测井数据的多任务储层参数预测方法在权利要求书中公布了：1.一种基于测井数据的多任务储层参数预测方法，其特征在于，包括以下步骤：S1、获取测井曲线数据，并对测井曲线数据进行预处理；S2、构建LSTM-CNN曲线重构模型，并对经预处理后的测井缺失曲线数据进行重构；所述S2包括以下步骤：S201、构建LSTM-CNN曲线重构模型；S202、将经预处理后的测井曲线数据划分为训练集、测试集以及验证集，其中，利用训练集对LSTM-CNN曲线重构模型进行训练，利用验证集评估LSTM-CNN曲线重构模型在训练过程中的性能，利用测试集评估LSTM-CNN曲线重构模型的性能，且不参与LSTM-CNN曲线重构模型的训练；S203、利用均方误差作为LSTM-CNN曲线重构模型的损失函数；S204、利用平均绝对百分比误差评估LSTM-CNN曲线重构模型的精度；S205、针对精度达到要求后，将待重构数据的测井曲线数据输入至LSTM-CNN曲线重构模型中，并对预测输出通过反归一化处理，得到与对应真实数据尺度相同的预测数据；S206、利用与对应真实数据尺度相同的预测数据填充重构测井曲线数据的缺失部分，完成对经预处理后的测井缺失曲线数据的重构；所述LSTM-CNN曲线重构模型包括卷积网络以及长短期记忆网络LSTM；所述卷积网络，用于提取经预处理后的测井缺失曲线数据的特征；所述长短期记忆网络LSTM，用于根据提取的特征，对测井曲线序列进行预测，并经过反归一化后，利用与对应真实数据尺度相同的预测数据填充重构测井曲线数据的缺失部分；S3、构建Transformer多任务模型，并根据重构后的测井缺失曲线数据，利用Transformer多任务模型对储层参数进行预测，完成对多任务储层参数的预测；所述S3包括以下步骤：S301、构建Transformer多任务模型；S302、将重构后的测井缺失曲线数据作为输入数据，并通过线性变换将输入数据映射至高维嵌入空间： 其中，表示高维嵌入后的测井曲线数据，表示输入数据，表示权重矩阵，表示偏置向量；S303、根据映射结果，利用构建的Transformer多任务模型对储层参数进行预测，完成对多任务储层参数的预测，其中，在多任务学习中，对于孔隙度和含水饱和度，利用均方误差作为损失函数，对于渗透率，利用下式中平滑的L1损失函数SmoothL1Loss作为损失函数，且在多任务学习中，利用不确定性加权损失函数动态调整每个任务的损失权重： 其中，表示损失函数的值，表示真实值与预测值之间的差值，时，平滑的L1损失函数SmoothL1Loss退化为平方损失，时平滑的L1损失函数SmoothL1Loss退化为绝对损失，表示取绝对值；所述不确定性加权损失函数的表达式如下： 其中，表示不确定性加权损失函数，i表示第i个任务，表示任务的不确定性参数，表示第i个任务的损失。

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西南石油大学，其通讯地址为：610000 四川省成都市新都区新都大道8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”。