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！

龙图腾网获悉深地科学与工程云龙湖实验室申请的专利一种多尺度深度学习优化的全波形反演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：CN117192604B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202311183250.9，技术领域涉及：G01V1/28；该发明授权一种多尺度深度学习优化的全波形反演方法是由方金伟;章俊;刘盛东;李乾坤;杨彩;曹海涛;孙超设计研发完成，并于2023-09-14向国家知识产权局提交的专利申请。

本一种多尺度深度学习优化的全波形反演方法在说明书摘要公布了：本发明公开了一种多尺度深度学习优化的全波形反演方法，利用深度神经网络表征待反演参数，并利用基于卷积型目标函数的传统全波形反演高性能计算方案实现梯度的计算，并将反演参数的梯度输入到深度卷积神经网络模型中实现多尺度反演；同时采用了深度学习优化方法分尺度反演参数的表征方式，有效地保证深度卷积神经网络模型同时表征多个尺度的反演参数信息；另外本发明引入一阶变密度速度应力方程作为正传波场，其不仅具有高模拟精度，而且还可以自适应地考虑地下介质中密度变化，能为地下介质提供直接的速度和密度的物理信息，实现了速度和密度的同时建模，最终提高了整个全波形反演的效率、精度及稳定性。

本发明授权一种多尺度深度学习优化的全波形反演方法在权利要求书中公布了：1.一种多尺度深度学习优化的全波形反演方法，其特征在于，具体步骤为： A、先确定所需反演的区域，然后采用观测系统获取观测数据； B、构建正传波场方程，所述正传波场方程为二维一阶变密度声波方程，具体为： 其中，ψ＝[σ,v]T是正传波场变量，σ是正传波场对应的质点震动应力，v＝[vx,vz]表示质点沿着x和z两个方向的振动速度，s是源项，表示对时间t求偏导数，T表示矩阵的转置，链接矩阵ρ表示介质的密度，v表示介质的速度，和表示对x和z求偏导数； C、构建卷积目标函数，所述卷积目标函数具有良好鲁棒性； D、根据步骤B的正传波场方程和步骤C的卷积目标函数，基于伴随理论确定该卷积目标函数的反传波场方程； E、利用步骤B的正传波场和步骤D的反传波场构建卷积目标函数中模型参数的梯度，所述梯度由速度的梯度和密度的梯度组成； F、建立深度卷积神经网络模型，所述深度卷积神经网络模型包括速度模型参数和密度模型参数，深度卷积神经网络模型用于从随机特征变量到多个物理参数的映射； G、先将步骤E中模型参数的梯度赋值给步骤F中深度卷积神经网络模型中最后一层的网络参数的梯度，并指定初始速度和密度值及梯度，具体公式为： 其中，θ表示网络参数；vini和ρini分别表示初始的速度和密度；▽χv是速度的梯度，▽χρ是密度的梯度； H、对步骤G的深度卷积神经网络模型采用深度学习优化方法进行模型参数优化，通过训练深度卷积神经网络模型的方式将模型参数的梯度反传至网络参数的修正量，实现全波形反演，最终获得反演后的速度反演结果和密度反演结果； I、设置多个主频率参数，在每个主频率参数的频带内，利用卷积型目标函数求取当前主频率参数对应的梯度，并将各个主频率参数对应的梯度分别重复步骤E至H，从而实现不同尺度特征的全波形反演。

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深地科学与工程云龙湖实验室，其通讯地址为：221000 江苏省徐州市国家高新区大学生创业园B栋；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。