Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 重庆华地资环科技有限公司汪威获国家专利权

重庆华地资环科技有限公司汪威获国家专利权

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!

龙图腾网获悉重庆华地资环科技有限公司申请的专利一种页岩气储层甜点评价分析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:CN121682134B

龙图腾网通过国家知识产权局官网在2026-04-28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:202610171693.3,技术领域涉及:G06F18/20;该发明授权一种页岩气储层甜点评价分析方法是由汪威;李阳;徐召雷;张跃磊;郭东鑫;郭晓中;余川;欧阳黎明;徐铫;周姣姣设计研发完成,并于2026-02-06向国家知识产权局提交的专利申请。

一种页岩气储层甜点评价分析方法在说明书摘要公布了:本发明公开了一种页岩气储层甜点评价分析方法,包括:采集历史页岩气储层的地震数据、测井曲线数据和岩层的地质数据,得到标准特征变量;计算岩层的综合指数、耦合指数和复杂度指数;计算储层甜点指数Y;构建训练数据集;构建物理约束神经网络PCNN,并加入物理正则项,输出训练好的物理约束神经网络PCNN;采集目标页岩气储层的地震数据、测井曲线数据和岩层的地质数据,输入训练好的物理约束神经网络PCNN,输出目标页岩气储层的储层甜点指数,进而评价目标页岩气储层甜点。本发明构建了可解释的页岩气储层甜点智能评价方法,通过预测出的储层甜点指数来实现对页岩气储层甜点优势的精确评价。

本发明授权一种页岩气储层甜点评价分析方法在权利要求书中公布了:1.一种页岩气储层甜点评价分析方法,其特征在于,包括: 步骤S1:采集历史页岩气储层的地震数据、测井曲线数据和岩层的地质数据,作为特征变量,并进行标准化处理,得到标准特征变量; 步骤S2:计算表征岩层生烃潜力与保存条件的综合指数GPI、表征岩层储集性与可压性的耦合指数RFI和表征岩层微观孔隙结构复杂程度的复杂度指数; 步骤S3:利用综合指数GPI、耦合指数RFI和复杂度指数计算储层甜点指数Y; 步骤S4:将历史页岩气储层的标准特征变量作为输入数据,储层甜点指数Y作为输出数据,形成每个历史页岩气储层对应的训练样本,并构建训练数据集; 步骤S5:构建物理约束神经网络PCNN,并在物理约束神经网络PCNN的损失函数中加入物理正则项;利用训练数据集对物理约束神经网络PCNN进行训练,输出训练好的物理约束神经网络PCNN; 步骤S6:采集目标页岩气储层的地震数据、测井曲线数据和岩层的地质数据,并进行标准化处理,得到目标页岩气储层的输入向量,输入训练好的物理约束神经网络PCNN,输出目标页岩气储层的储层甜点指数,进而评价目标页岩气储层甜点; 所述表征岩层生烃潜力与保存条件的综合指数GPI的计算方法为: 利用岩层的总有机碳含量TOC计算表征岩层生烃潜力与保存条件的综合指数GPI; ; 其中,为岩层中游离烃含量,分别为页岩干酪根类型校正因子、成熟度校正因子,为甲烷碳同位素值,为碳同位素散失阈值,为实测的镜质体反射率,为生烃门限,为尺度参数;页岩干酪根类型校正因子根据干酪根类型取值,I型取1.2、II型取1.0、III型取0.8; 所述表征岩层微观孔隙结构复杂程度的复杂度指数的计算方法为: 根据岩层的比表面积计算表征岩层微观孔隙结构复杂程度的复杂度指数; ; 其中,为孔径分布峰值对应的孔径,为孔隙的分形维数,为介孔体积,为微孔体积,为大孔体积; 所述表征岩层储集性与可压性的耦合指数RFI的计算方法为: 根据实验测得的岩层孔隙度数据计算表征岩层储集性与可压性的耦合指数RFI;孔隙度包括有效孔隙度和总孔隙度 其中,分别为岩层的有效孔隙度和总孔隙度,为孔隙度临界值,为束缚水饱和度,分别为岩层的脆性指数、脆性指数临界值,分别为岩层的最大、最小水平应力,为最优应力比,为应力比容忍度,分别为权重指数; 所述步骤S5包括: 步骤S51:构建物理约束神经网络PCNN,并在物理约束神经网络PCNN的损失函数中加入物理正则项; ; 其中,n为训练样本的编号,为基于第n个训练样本预测的储层甜点指数,为第n个训练样本实际的储层甜点指数,为单调性约束,为边界条件约束; 单调性约束用于约束特征变量与含气量之间的相关性,边界条件约束用于约束特征变量的极限影响; 物理约束神经网络PCNN的输出层为:,为权重向量,为训练样本中输入数据形成输入向量,为激活函数; 步骤S52:利用训练数据集对物理约束神经网络PCNN进行训练,修正权重向量中的权重系数,直到物理约束神经网络PCNN收敛,得到训练好的物理约束神经网络PCNN。

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重庆华地资环科技有限公司,其通讯地址为:400042 重庆市渝中区大坪街道长江二路177-9号第1幢;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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。