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！

龙图腾网恭喜中国石油大学(华东)申请的专利基于SSA-ELM算法的横波时差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：CN114488311B 。

龙图腾网通过国家知识产权局官网在2025-06-17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：202111577758.8，技术领域涉及：G01V1/40；该发明授权基于SSA-ELM算法的横波时差预测方法是由邓少贵;张凤姣;李国欣;李海涛设计研发完成，并于2021-12-22向国家知识产权局提交的专利申请。

本基于SSA-ELM算法的横波时差预测方法在说明书摘要公布了：本发明公开了一种基于SSA‑ELM算法的横波时差预测方法，具体涉及石油勘探开发技术领域。本发明通过选取与横波时差相关性较强的测井曲线作为输入数据，预处理后划分训练集和测试集，基于训练集建立设置有极限学习机的储层横波时差预测模型，利用麻雀搜索算法寻找极限学习机的最优权值和最优偏置，得到麻雀搜索算法优化后的储层横波时差预测模型，利用该预测模型对测试集数据进行预测，分析横波时差预测值与实测值之间的均方根误差，验证麻雀搜索算法优化后储层横波时差预测模型的准确性。本发明基于SSA‑ELM算法优化储层横波时差预测模型，弥补了极限学习机稳定性差、泛化能力不足的问题，实现了横波时差值的准确预测，为储层的勘探开发奠定了基础。

本发明授权基于SSA-ELM算法的横波时差预测方法在权利要求书中公布了：1.基于SSA-ELM算法的横波时差预测方法，其特征在于，包括以下步骤： s1.通过对横波时差曲线与常规测井曲线进行相关性分析，选取与横波时差曲线具有相关性的测井曲线； s2.对测井曲线进行预处理后，将测井曲线上各深度点所对应的测量值作为输入数据，并将输入数据划分为训练集和测试集，获得训练样本和测试样本； s3.基于训练集建立储层横波时差预测模型，储层横波时差预测模型中设置有极限学习机模型，利用麻雀搜索算法对极限学习机模型的最优权值和最优偏置进行优化，得到麻雀搜索算法优化后的储层横波时差预测模型； s4.将测试样本输入麻雀搜索算法优化后的储层横波时差预测模型，利用麻雀搜索算法优化后的储层横波时差预测模型预测测试样本的横波时差，得到测试样本横波时差的预测值，通过计算测试样本中横波时差测量值与预测值之间的均方根误差，验证麻雀搜索算法优化后的储层横波时差预测模型的准确性； 所述步骤s3中，包括以下步骤： s3.1.构建极限学习机模型，以训练样本中横波时差测量值与预测值之间的均方根误差作为麻雀搜索算法的适应度函数，用于计算麻雀种群中各只麻雀的适应度； s3.2.对麻雀搜索算法进行初始化，设置麻雀种群的初始规模和最大迭代次数itermax，再设置警报值和安全值以及麻雀种群中发现者与追随者的比例； s3.3.计算麻雀种群中各只麻雀的适应度并排序，确定具有最佳适应度的麻雀个体所处位置并在麻雀种群中选取发现者、警报者和追随者； s3.4.计算麻雀种群的警报值，对麻雀种群中发现者的位置进行更新； s3.5.根据发现者的更新结果对追随者进行更新； s3.6.在麻雀种群中选取意识到危险的麻雀作为警报者，更新警报者的位置； s3.7.计算麻雀种群中所有麻雀适应度的平均值，若追随者的个体适应度小于所有麻雀适应度的平均值，则对追随者进行小波变换，否则不对追随者进行处理； s3.8.根据迭代次数判断是否继续循环更新，若当前迭代次数小于最大迭代次数，返回步骤s3.4；若当前迭代次数已达到最大迭代次数，则输出麻雀搜索的结果作为极限学习机模型的初始权值和阈值，得到麻雀搜索算法优化后的储层横波时差预测模型。

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：266580 山东省青岛市黄岛区长江西路66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”。