CN104318109A - 基于支持向量机的页岩气储层识别方法 - Google Patents
基于支持向量机的页岩气储层识别方法 Download PDFInfo
- Publication number
- CN104318109A CN104318109A CN201410589888.7A CN201410589888A CN104318109A CN 104318109 A CN104318109 A CN 104318109A CN 201410589888 A CN201410589888 A CN 201410589888A CN 104318109 A CN104318109 A CN 104318109A
- Authority
- CN
- China
- Prior art keywords
- shale gas
- vector machine
- support vector
- parameter
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于支持向量机的页岩气储层识别方法,其特征在于,包括如下步骤:a、综合同一个区块内已钻页岩气水平井资料,并进行分类;b、利用区域数据,将随钻参数作为训练样本进行优选;c、利用随钻参数计算 Q 因子;d、对支持向量机的模型参数进行优化选择;e、建立区域支持向量机模型;f、利用建立的模型对作为预测样本的正钻页岩气水平井进行储层识别。本发明根据已知的测井解释、试油结果,以优选的随钻参数作为判别参数,通过支持向量机分析建立一个能有效识别页岩气储层的模型,实现对页岩气储层的随钻解释,解决了页岩气储层录井解释方法欠缺、多参数的非线性的问题。
Description
技术领域
本发明涉及一种基于支持向量机的页岩气储层识别方法,属于石油天然气勘探开发领域。
背景技术
页岩气是储存在页岩中以游离态和吸附态存在的天然气,正逐渐成为油气勘探的热点,国内的页岩气水平井开发即将大面积开展。对于页岩气随钻解释方法,例如, 2012年18期《科技导报 》公开的 页岩气储层测井响应特征及识别方法研究。
但由于页岩气储层具备的特殊性,随钻参数中除了综合录井参数外,仅有随钻伽马一个随钻测井参数,随钻参数较少。并且,目前国内页岩气研究水平均较低,没有形成比较行之有效的随钻解释方法,故目前的随钻解释存在以下问题:
1、目前的页岩气储层评价是以分析化验数据为主,而在随钻的过程中没有分析化验数据。
2、单一的随钻参数对于页岩气储层的表征能力是有限的,需要利用多个随钻参数进行综合考量。但如何利用这些随钻参数来反映页岩气储层目前还没有比较有效的方法。
3、随钻参数对于页岩气储层的响应特征是一种多维的非线性关系,简单的数据对比无法找到有效的识别方法。
发明内容
本发明的目的在于克服现有技术存在的上述问题,提供一种基于支持向量机的页岩气储层识别方法。本发明根据已知的测井解释、试油结果,以优选的随钻参数作为判别参数,通过支持向量机分析建立一个能有效识别页岩气储层的模型,实现对页岩气储层的随钻解释,解决了页岩气储层录井解释方法欠缺、多参数的非线性的问题。
为实现上述目的,本发明采用的技术方案如下:
一种基于支持向量机的页岩气储层识别方法,其特征在于,包括如下步骤:
a、综合同一个区块内已钻页岩气水平井资料,并进行分类;
b、利用区域数据,将随钻参数作为训练样本进行优选;
c、利用随钻参数计算Q因子;
d、对支持向量机的模型参数进行优化选择;
e、建立区域支持向量机模型;
f、利用建立的模型对作为预测样本的正钻页岩气水平井进行储层识别。
所述步骤a中,综合同一个区块内已钻页岩气水平井的测井、录井、试油资料,并根据测井解释及试油资料对页岩气水平段数据进行分类。
所述步骤a中,分类过程为:根据已钻页岩气水平井的测井解释资料、试油资料及生产测井资料,对页岩气水平段数据进行综合评价并分类。
所述步骤b中,对分类后的数据,通过区域数据分析,优选出最能反映储层特征的随钻参数。
所述步骤c中,利用随钻参数计算Q因子的计算公式如下:
Q= (1)
其中X i 为随钻参数,C i 为随钻参数X i 的权值,q是区域系数。
所述步骤d中,利用网格搜索法对支持向量机的模型参数进行优化选择:核参数σ和惩罚因子C的选取直接影响到模型的稳定性和泛化能力的强弱,对σ和C的选取主要采用网格搜索法,网格搜索法中搜索区间的变化,从局部区间来进行参数优化,对参数达到最优选取。
所述步骤e中,利用优化选择的区域页岩气水平井随钻参数,结合Q因子,通过多次训练,建立高精度的区域支持向量机模型。
所述步骤f中,根据正钻井的随钻参数,后代入区域支持向量机模型中对页岩气储层进行识别。
本发明还包括对预测样本和优选后的训练样本进行归一化处理的步骤,过程如下:
设原始数据x ij (i=1,2,…,n; j=1,2,…,m),极差变换公式为:
(1)
式中n为样品个数,m为变量个数,x j(min) 为n个样品中第j个变量的最小值,x j(max) 为n个样品中第j个变量的最大值,这样变化后的新数据在0~1之间。
采用本发明的优点在于:
一、本发明根据已知的测井解释、试油结果,以优选的随钻参数作为判别参数,通过支持向量机分析建立一个能有效识别页岩气储层的模型,实现对页岩气储层的随钻解释,解决了页岩气储层录井解释方法欠缺、多参数的非线性的问题。
二、本发明利用支持向量机对页岩气储层识别方法属于录井资料应用方法创新,是在目前页岩气勘探处于探索方法的时期,该方法具有强大的数学理论基础,在此背景下能够利用支持向量机的通用性,鲁棒性,有效的进行储层识别。
三、本发明是在目前气测资料不断精确的背景下提出的,以区域资料为基础,利用支持向量机的识别模型,能更准确地对流体性质进行判别。
四、本发明是在目前测、录井参数与储层之间复杂的非线性关系能够综合的反映在识别模型中,并通过该模型对未知井进行预测,对页岩气勘探很有指导意义。
五、本发明是在目前页岩气储层解释方法效率并不高的的背景下,支持向量机通过自学性能够找到测、录井参数与储层之间的复杂关系并对其进行分类,是储层解释中的一个进步。
六、本发明可广泛适应于非碳酸盐岩地层之致密气、页岩气等非常规气藏储层识别,可获得较好成效。
综上,本发明利用支持向量机对页岩气储层识别方法属于录井资料应用方法创新简便高效,概括和提炼录井过程中获取资料的有效信息;支持向量机的通用性,可以对不同研究区运用支持向量机进行建模;支持向量机通过自学性能够找到测、录井参数与储层之间的复杂关系并对其进行分类,是储层解释中的一个进步。
附图说明
图1为本发明方法流程图
图2为本发明在某井LMX组的解释成果图。
具体实施方式
实施例1
一种基于支持向量机的页岩气储层识别方法,包括如下步骤:
a、综合同一个区块内已钻页岩气水平井资料,并进行分类;
b、利用区域数据,将随钻参数作为训练样本进行优选;
c、利用随钻参数计算Q因子;
d、对支持向量机的模型参数进行优化选择;
e、建立区域支持向量机模型;
f、利用建立的模型对作为预测样本的正钻页岩气水平井进行储层识别。
所述步骤a中,综合同一个区块内已钻页岩气水平井的测井、录井、试油资料,并根据测井解释及试油资料对页岩气水平段数据进行分类。
所述步骤a中,分类过程为:根据已钻页岩气水平井的测井解释资料、试油资料及生产测井资料,对页岩气水平段数据进行综合评价并分类。
所述步骤b中,对分类后的数据,通过区域数据分析,优选出最能反映储层特征的随钻参数。
所述步骤c中,利用随钻参数计算Q因子的计算公式如下:
Q= (1)
其中X i 为随钻参数,C i 为随钻参数X i 的权值,q是区域系数。
所述步骤d中,利用网格搜索法对支持向量机的模型参数进行优化选择:核参数σ和惩罚因子C的选取直接影响到模型的稳定性和泛化能力的强弱,对σ和C的选取主要采用网格搜索法,网格搜索法中搜索区间的变化,从局部区间来进行参数优化,对参数达到最优选取。
所述步骤e中,利用优化选择的区域页岩气水平井随钻参数,结合Q因子,通过多次训练,建立高精度的区域支持向量机模型。
所述步骤f中,根据正钻井的随钻参数,正规化后代入区域支持向量机模型中对页岩气储层进行识别。
本发明还包括对预测样本和优选后的训练样本进行归一化处理的步骤,过程如下:
设原始数据x ij (i=1,2,…,n; j=1,2,…,m),极差变换公式为:
(1)
式中n为样品个数,m为变量个数,x j(min) 为n个样品中第j个变量的最小值,x j(max) 为n个样品中第j个变量的最大值,这样变化后的新数据在0~1之间。
实施例2
本发明是一种支持向量机判别分析建立页岩气储层随钻解释模型的方法,通过支持向量机,利用随钻参数建立能有效识别页岩气储层的判别模型,解决了页岩气储层录井解释方法欠缺,多参数的非线性的问题。以下结合附图对本实施例进行说明。
一种基于支持向量机的页岩气储层识别方法,如图1所示 ,过程如下:
1、综合同一个区块内已钻页岩气水平井的测井、录井、试油资料,并根据测井解释及试油资料对页岩气水平段数据进行分类,归为不同的组别。
所述根据测井解释及试油资料对页岩气水平段数据进行分类,归为不同的组别为:根据已钻页岩气水平井的测井解释资料、试油资料及生产测井资料,对页岩气水平段数据进行综合评价并分类。如,将综合评价为页岩气储层的随钻数据归为1组,将综合评价为页岩气非储层的随钻数据归为2组。
2、通过对分类后的区域资料的数据分析,将随钻参数作为训练样本进行优选。
所述通过对区域资料的数据分析,对参数进行优选为:通过区域数据分析,优选出最能反映储层特征的随钻参数,并对其进行归一化处理。
3、利用随钻参数计算Q因子。
Q= (1)
其中X i 为随钻参数,C i 为随钻参数X i 的权值,q是区域系数。
4、对优选后参数,利用网格搜索法对支持向量机的模型参数进行优化选择。
所述对支持向量机的模型参数进行优化选择为:核参数σ和惩罚因子C的选取直接影响到模型的稳定性和泛化能力的强弱。对σ和C的选取主要采用网格搜索法。网格搜索法中搜索区间的变化,从局部区间来进行参数优化,对参数达到最优选取。
5、建立区域支持向量机模型。
所述建立区域支持向量机模型为:利用优化选择的作为训练样本的区域页岩气水平井随钻参数,结合Q因子,通过多次训练(调整σ、C等参数),建立高精度的区域支持向量机模型。
6、利用建立的模型对作为预测样本且归一化处理后的正钻页岩气水平井进行储层识别。
所述利用建立的模型对正钻页岩气井进行储层识别为:根据正钻井的随钻参数,正规化后代入区域支持向量机模型中对页岩气储层进行识别。当识别结果为0时表示支持向量机模型识别为非储层,识别结果为1表示支持向量机模型识别为储层。在某井LMX组的解释成果如图2所示。
在实践中,为了建立符合率更高的识别结果,可以通过最优子集对测、录井参数进行优选,在训练模型寻最优参数可以利用粒子群算法等局部优选算法进行更高效率的训练,得到精度更高的模型。
Claims (9)
1.一种基于支持向量机的页岩气储层识别方法,其特征在于,包括如下步骤:
a、综合同一个区块内已钻页岩气水平井资料,并进行分类;
b、利用区域数据,将随钻参数作为训练样本进行优选;
c、利用随钻参数计算Q因子;
d、对支持向量机的模型参数进行优化选择;
e、建立区域支持向量机模型;
f、利用建立的模型对作为预测样本的正钻页岩气水平井进行储层识别。
2.根据权利要求1所述的基于支持向量机的页岩气储层识别方法,其特征在于:所述步骤a中,综合同一个区块内已钻页岩气水平井的测井、录井、试油资料,并根据测井解释及试油资料对页岩气水平段数据进行分类。
3.根据权利要求2所述的基于支持向量机的页岩气储层识别方法,其特征在于:所述步骤a中,分类过程为:根据已钻页岩气水平井的测井解释资料、试油资料及生产测井资料,对页岩气水平段数据进行综合评价并分类。
4.根据权利要求1、2或3所述的基于支持向量机的页岩气储层识别方法,其特征在于:所述步骤b中,对分类后的数据,通过区域数据分析,优选出最能反映储层特征的随钻参数。
5.根据权利要求4所述的基于支持向量机的页岩气储层识别方法,其特征在于:所述步骤c中,利用随钻参数计算Q因子的计算公式如下:
Q= (1)
其中X i 为随钻参数,C i 为随钻参数X i 的权值,q是区域系数。
6.根据权利要求1、2、3或5所述的基于支持向量机的页岩气储层识别方法,其特征在于:所述步骤d中,利用网格搜索法对支持向量机的模型参数进行优化选择:核参数σ和惩罚因子C的选取直接影响到模型的稳定性和泛化能力的强弱,对σ和C的选取主要采用网格搜索法,网格搜索法中搜索区间的变化,从局部区间来进行参数优化,对参数达到最优选取。
7.根据权利要求6所述的基于支持向量机的页岩气储层识别方法,其特征在于:所述步骤e中,利用优化选择的区域页岩气水平井随钻参数,结合Q因子,通过多次训练,建立区域支持向量机模型。
8.根据权利要求1、2、3、5或7所述的基于支持向量机的页岩气储层识别方法,其特征在于:所述步骤f中,根据正钻井的随钻参数,正规化后代入区域支持向量机模型中对页岩气储层进行识别。
9.根据权利要求8所述的基于支持向量机的页岩气储层识别方法,其特征在于:还包括对预测样本和优选后的训练样本进行归一化处理的步骤,过程如下:
设原始数据x ij (i=1,2,…,n; j=1,2,…,m),极差变换公式为:
(1)
式中n为样品个数,m为变量个数,x j(min) 为n个样品中第j个变量的最小值,x j(max) 为n个样品中第j个变量的最大值,这样变化后的新数据在0~1之间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410589888.7A CN104318109B (zh) | 2014-10-29 | 2014-10-29 | 基于支持向量机的页岩气储层识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410589888.7A CN104318109B (zh) | 2014-10-29 | 2014-10-29 | 基于支持向量机的页岩气储层识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104318109A true CN104318109A (zh) | 2015-01-28 |
CN104318109B CN104318109B (zh) | 2018-05-01 |
Family
ID=52373340
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410589888.7A Active CN104318109B (zh) | 2014-10-29 | 2014-10-29 | 基于支持向量机的页岩气储层识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104318109B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104747185A (zh) * | 2015-03-19 | 2015-07-01 | 成都北方石油勘探开发技术有限公司 | 非均质油藏储层综合分类评价方法 |
CN105422077A (zh) * | 2015-11-09 | 2016-03-23 | 中国石油集团川庆钻探工程有限公司 | 利用录井综合响应特征随钻识别储层的方法 |
CN105715253A (zh) * | 2016-01-30 | 2016-06-29 | 上海大学 | 一种气井井底流压的预测方法 |
CN106545337A (zh) * | 2016-11-25 | 2017-03-29 | 西南石油大学 | 一种基于支持向量机的沉积微相测井识别方法 |
CN106570524A (zh) * | 2016-10-25 | 2017-04-19 | 中国石油天然气股份有限公司 | 一种储层流体类型的识别方法及装置 |
CN108009705A (zh) * | 2017-11-07 | 2018-05-08 | 中国石油大学(华东) | 一种基于支持向量机技术的页岩储层可压性评价方法 |
CN109614584A (zh) * | 2018-11-16 | 2019-04-12 | 中国科学院计算技术研究所 | 一种资源测井数据的重建方法 |
CN109736771A (zh) * | 2018-12-12 | 2019-05-10 | 中国铁建重工集团有限公司 | 基于凿岩台车随钻参数的围岩分析方法及系统 |
CN110443283A (zh) * | 2019-07-11 | 2019-11-12 | 长江大学 | 一种致密气藏水平井的分类判别方法及系统 |
CN110717528A (zh) * | 2019-09-25 | 2020-01-21 | 中国石油大学(华东) | 运用常规测井资料的基于支持向量机的沉积微相识别方法 |
CN110965991A (zh) * | 2018-09-27 | 2020-04-07 | 中国石油天然气股份有限公司 | 基于人工智能的随钻岩石矿物组分识别方法及装置 |
CN113027438A (zh) * | 2021-04-01 | 2021-06-25 | 东华理工大学 | 基于人工智能算法的测井数据预测油气储层岩性的方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102900432A (zh) * | 2012-10-31 | 2013-01-30 | 中国石油集团川庆钻探工程有限公司 | 利用微钻时数据随钻计算录井孔隙度进行储层评价的方法 |
CN102909844B (zh) * | 2012-10-23 | 2014-06-25 | 东南大学 | 一种注塑机工件生产线的生产方法 |
-
2014
- 2014-10-29 CN CN201410589888.7A patent/CN104318109B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102909844B (zh) * | 2012-10-23 | 2014-06-25 | 东南大学 | 一种注塑机工件生产线的生产方法 |
CN102900432A (zh) * | 2012-10-31 | 2013-01-30 | 中国石油集团川庆钻探工程有限公司 | 利用微钻时数据随钻计算录井孔隙度进行储层评价的方法 |
Non-Patent Citations (8)
Title |
---|
GUOCHANG WANG, ET AL.,: "Identifying organic-rich Marcellus Shale lithofacies by support vector machine classifier in the Appalachian basin", 《COMPUTERS & GEOSCIENCES》 * |
GUOCHANG WANG,ET AL.,: "Methodology of organic-rich shale lithofacies identication and prediction: A Case study from Marcellus Shales in the Appalachian basin", 《COMPUTERS & GEOSCIENCES》 * |
YAJUAN TIAN,ET AL.,: "Lithofacies Recognition based on Extreme Learning Machine", 《APPLIED MECHANICS AND MATERIALS》 * |
唐谢,等: "碳酸盐岩薄储层水平井随钻录井评价方法", 《地址勘探》 * |
李清毅,等: "基于网格搜索和支持向量机的灰熔点预测", 《浙江大学学报(工学版)》 * |
王娟,等,: "基于对应分析的支持向量机分类研究", 《四川理工学院学报(自然科学版)》 * |
程鹏飞,等: "支持向量机算法用于水淹层测井识别", 《国外测井技术》 * |
马立文: "统计数据标准化——无量纲化方法", 《北京统计》 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104747185A (zh) * | 2015-03-19 | 2015-07-01 | 成都北方石油勘探开发技术有限公司 | 非均质油藏储层综合分类评价方法 |
CN104747185B (zh) * | 2015-03-19 | 2017-11-07 | 成都北方石油勘探开发技术有限公司 | 非均质油藏储层综合分类评价方法 |
CN105422077A (zh) * | 2015-11-09 | 2016-03-23 | 中国石油集团川庆钻探工程有限公司 | 利用录井综合响应特征随钻识别储层的方法 |
CN105715253A (zh) * | 2016-01-30 | 2016-06-29 | 上海大学 | 一种气井井底流压的预测方法 |
CN106570524A (zh) * | 2016-10-25 | 2017-04-19 | 中国石油天然气股份有限公司 | 一种储层流体类型的识别方法及装置 |
CN106545337A (zh) * | 2016-11-25 | 2017-03-29 | 西南石油大学 | 一种基于支持向量机的沉积微相测井识别方法 |
CN108009705A (zh) * | 2017-11-07 | 2018-05-08 | 中国石油大学(华东) | 一种基于支持向量机技术的页岩储层可压性评价方法 |
CN110965991A (zh) * | 2018-09-27 | 2020-04-07 | 中国石油天然气股份有限公司 | 基于人工智能的随钻岩石矿物组分识别方法及装置 |
CN110965991B (zh) * | 2018-09-27 | 2023-02-24 | 中国石油天然气股份有限公司 | 基于人工智能的随钻岩石矿物组分识别方法及装置 |
CN109614584A (zh) * | 2018-11-16 | 2019-04-12 | 中国科学院计算技术研究所 | 一种资源测井数据的重建方法 |
CN109614584B (zh) * | 2018-11-16 | 2020-10-27 | 中国科学院计算技术研究所 | 一种资源测井数据的重建方法 |
CN109736771A (zh) * | 2018-12-12 | 2019-05-10 | 中国铁建重工集团有限公司 | 基于凿岩台车随钻参数的围岩分析方法及系统 |
CN110443283A (zh) * | 2019-07-11 | 2019-11-12 | 长江大学 | 一种致密气藏水平井的分类判别方法及系统 |
CN110717528A (zh) * | 2019-09-25 | 2020-01-21 | 中国石油大学(华东) | 运用常规测井资料的基于支持向量机的沉积微相识别方法 |
CN113027438A (zh) * | 2021-04-01 | 2021-06-25 | 东华理工大学 | 基于人工智能算法的测井数据预测油气储层岩性的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104318109B (zh) | 2018-05-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104318109A (zh) | 基于支持向量机的页岩气储层识别方法 | |
CN109800863B (zh) | 一种基于模糊理论和神经网络的测井相识别方法 | |
Wang et al. | Marcellus shale lithofacies prediction by multiclass neural network classification in the Appalachian Basin | |
CN104453875A (zh) | 基于自组织竞争神经网络的页岩气储层识别方法 | |
CN105160414B (zh) | 预测全油藏产区类型的方法及装置 | |
CN103437760B (zh) | 一种使用阵列感应数据快速评价油水层的方法 | |
CN111596978A (zh) | 用人工智能进行岩相分类的网页显示方法、模块和系统 | |
CN108952699B (zh) | 一种复杂地质钻进过程地层岩性智能识别方法 | |
CN110609320A (zh) | 一种基于多尺度特征融合的叠前地震反射模式识别方法 | |
CN104047598A (zh) | 非均质古岩溶碳酸盐岩储层产能预测方法 | |
CN103376468A (zh) | 基于神经网络函数逼近算法的储层参数定量表征方法 | |
CN104991286A (zh) | 一种基于沉积模式的沉积相表征方法 | |
CN105277979B (zh) | 一种地震属性的优化方法和装置 | |
CN108804728A (zh) | 水平井地层储层分级分析方法及计算机可读存储介质 | |
Lu et al. | Lithology identification using graph neural network in continental shale oil reservoirs: A case study in Mahu Sag, Junggar Basin, Western China | |
Wei et al. | Characterization of saturation and pressure distribution based on deep learning for a typical carbonate reservoir in the Middle East | |
CN104463686A (zh) | 利用判别分析法随钻识别页岩气储层的方法 | |
CN104516025A (zh) | 碳酸盐储层物性随钻分类和评价方法 | |
CN104459790A (zh) | 含油气性盆地有效储层的分析方法和装置 | |
CN116047590A (zh) | 一种地震相预测模型建立、地震相预测方法和装置 | |
Lu et al. | Identifying flow units by FA-assisted SSOM—An example from the Eocene basin-floor-fan turbidite reservoirs in the Daluhu Oilfield, Dongying Depression, Bohai Bay Basin, China | |
AU2017279838B1 (en) | Method for classifying deep rock geofacies based on data mining | |
CN116796231A (zh) | 一种基于测井曲线自动划分岩性及对比的方法及装置 | |
CN111485868B (zh) | 一种基于开发方案的煤层气田动用储量估算方法 | |
CN104834934A (zh) | 一种用于识别储层流体的核体俘获法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20200917 Address after: 100007 Beijing, Dongzhimen, North Street, No. 9, No. Patentee after: CHINA NATIONAL PETROLEUM Corp. Patentee after: CNPC Chuanqing Drilling Engineering Co.,Ltd. Address before: The 1 section of No. 3 company Chuanqing Drilling Technology Information Office Chenghua District Green Road 610051 Chengdu City, Sichuan Province Patentee before: CNPC Chuanqing Drilling Engineering Co.,Ltd. |