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！

龙图腾网获悉成都理工大学申请的专利一种基于改进生成对抗网络的地震去噪方法及系统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：CN120103482B 。

龙图腾网通过国家知识产权局官网在2025-08-15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：202510158867.8，技术领域涉及：G01V1/36；该发明授权一种基于改进生成对抗网络的地震去噪方法及系统是由吴昊;颜宇昕;文晓涛;潘晓设计研发完成，并于2025-02-13向国家知识产权局提交的专利申请。

本一种基于改进生成对抗网络的地震去噪方法及系统在说明书摘要公布了：本发明公开了一种基于改进生成对抗网络的地震去噪方法及系统，用于地震去噪，属于油气勘探及地震资料处理领域，解决现有的生成对抗网络进行地震去噪时运行速度慢和无法充分提取地震记录特征的问题。本发明对无噪地震数据进行切片并加入高斯噪声制作数据集；将含噪数据输入生成器，让其提取特征，生成去噪后的地震数据；将真实数据输入判别器，让其判断生成器生成的去噪地震数据与无噪地震数据的相似度，随后返回一个概率值，指示地震数据是否为真实的地震数据，判别器返回判别的结果到生成器中，优化生成器，如此进行对抗训练，训练完成后保存模型权重；使用训练完成的模型对输入含噪的地震数据进行去噪处理，输出去噪后的地震数据。本发明用于地震数据噪声去除。

本发明授权一种基于改进生成对抗网络的地震去噪方法及系统在权利要求书中公布了：1.一种基于改进生成对抗网络的地震去噪方法，包括如下步骤： 步骤1：将地震炮集数据制作用于地震记录去噪的数据集； 步骤2：构建生成对抗网络模型并进行对抗训练，具体包括： 生成器的训练：将含噪数据输入生成器，通过卷积层、多个NAFB模块处理，生成初步去噪地震数据； 判别器的训练：将真实无噪数据与生成器输出的去噪数据输入判别器，判别器通过多级NAFB模块提取特征并计算两者为真实数据的概率； 基于判别器输出的概率对生成器和判别器进行交替优化，完成对抗训练并保存模型权重； 步骤3：使用训练完成的模型对输入含噪的地震数据进行去噪处理，输出去噪后的地震数据； 所述步骤2中生成器的处理流程包括： 所述生成器的网络结构包含：初步卷积层、批归一化层、NAFB模块及最终卷积输出层； 所述NAFB模块的处理过程包括： a特征扩展层：由1×1卷积核构成的通道扩展单元，用于提升输入特征图的通道维度，为后续的深度特征提取提供更多信息； b深度特征提取层：接续的3×3深度可分离卷积核，进行空间特征提取； c门控交互层SimpleGate：将前级特征图分成两部分，然后进行逐元素相乘来实现对特征图的交互； d动态加权层：通过通道注意力机制对特征通道进行重要性重校准，其中包括： 全局特征统计模块：通过一个全局池化层对输入特征的每个通道进行全局平均池化，得到每个通道的平均值； 权重生成模块：由1×1卷积模块来生成反应每个通道对任务贡献度的权重； e残差融合层：将原始输入特征图与处理后的特征图进行加权求和，用于融合原始输入与处理后的特征，其中包括： 残差连接：原始输入特征与经过处理的特征进行加权求和，保留原始特征图的信息； 融合后特征处理：通过两个卷积层对融合后的特征进行处理，中间含有一个SimpleGate； 最终残差融合：处理后的特征与输入特征再次进行加权求和； 所述步骤2中判别器的处理流程包括： 所述判别器的网络包含：初步卷积下采样层、至少4个串联的NAFB模块、结果输出层； 结果输出层包含：全局平均池化层、线性层以及sigmoid层； 输入数据通过初步卷积下采样层在提取初级空间特征的同时将空间分辨率缩减至14，并通过增加通道数为后续处理提供多维特征表达； 随后，至少4个串联的NAFB模块依次对特征进行深度加工，每个NAFB模块内部分别通过特征扩展、SimpleGate交互和通道注意力完成非线性特征变换，同时在NAFB模块间通过卷积逐步下采样，使特征图尺寸逐级缩小、通道数递增，逐步聚焦于低频与全局结构特征； 最后，特征图通过结果输出层，其中包含： 经过全局平均池化层将最终的高维特征图压缩为单一通道的全局特征向量，保留关键统计信息并消除冗余空间细节； 线性层将全局向量映射至一维概率值，通过Sigmoid函数输出输入数据为真实无噪数据的置信度。

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成都理工大学，其通讯地址为：610000 四川省成都市二仙桥东三路1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”。