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！

龙图腾网获悉中国石油大学(北京)申请的专利一种岩性识别方法、装置、设备及计算机可读存储介质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：CN120449075B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202510954189.6，技术领域涉及：G06F18/2451；该发明授权一种岩性识别方法、装置、设备及计算机可读存储介质是由姜福杰;张宇琦;张梓童;陈迪;郑晓薇;胡涛;郭婧;齐振国;闫思雨;丁丹丹设计研发完成，并于2025-07-11向国家知识产权局提交的专利申请。

本一种岩性识别方法、装置、设备及计算机可读存储介质在说明书摘要公布了：本发明公开了一种岩性识别方法、装置、设备及计算机可读存储介质，应用于地球物理技术领域，包括：预先基于KAN网络和小波变换构建得到岩性识别模型；岩性识别模型的激活函数为小波函数；获取目标区域的测井数据；将测井数据输入至岩性识别模型中，得到识别结果。本发明通过小波变换与KAN网络构建得到岩性识别模型，该模型能够利用小波变换的多尺度表示能力，动态捕获测井数据的高频分量和低频分量，有效提取能够精确进行岩性分类所必需的复杂数据，不再需要人工参与干涉。因此，该模型具有鲁棒性与精准性，能够自动分析各种地质条件下的岩性，还可以应对复杂的地质环境，大规模精准预测各种岩性，降低勘探开发风险。

本发明授权一种岩性识别方法、装置、设备及计算机可读存储介质在权利要求书中公布了：1.一种岩性识别方法，其特征在于，包括： 预先基于KAN网络和小波变换构建得到岩性识别模型；所述岩性识别模型的激活函数为可学习的小波函数； 获取目标区域的测井数据；所述测井数据，包括：自然伽马测井数据、密度测井数据、补偿中子测井数据、声波时差测井数据、深侧向电阻率测井数据与浅侧向电阻率测井数据； 将所述测井数据输入至所述岩性识别模型中，得到识别结果； 将所述测井数据输入至所述岩性识别模型中，得到识别结果，包括： 将所述测井数据输入至所述岩性识别模型中的嵌入层，得到映射结果； 将所述映射结果输入至所述岩性识别模型中堆叠的特征提取模块中，得到特征分量；所述特征提取模块中利用了所述小波函数的多分辨率分解和稀疏表示特性； 将所述特征分量输入至所述岩性识别模型中的池化层，得到预测结果； 将所述预测结果输入至所述岩性识别模型中的线性分类器中，得到所述识别结果； 将所述映射结果输入至所述岩性识别模型中堆叠的特征提取模块中，得到特征分量，包括： 对所述映射结果进行小波分解，得到分解后的各分量；所述分解后的各分量包括低频分量和高频分量； 利用可学习激活函数和逆小波变换对所述分解后的各分量进行重建，得到所述特征分量； 对所述映射结果进行小波分解，得到分解后的各分量，包括： ； ； ； 其中，为第l层输入样本经过小波分解后的中间结果；为第l层的输入样本对应的映射结果；为小波变换函数；和分别表示第l层输入样本对应小波变换后的高频分量与低频分量；表示特征提取模块中的网格数；g为低通滤波器的系数；h为高通滤波器的系数；表示输入样本在第n行第i列的值；H为输入样本数量； 利用可学习激活函数和逆小波变换对所述分解后的各分量进行重建，得到所述特征分量，包括： ； ； ； 其中，为特征分量；为通过逆小波变换重建后的特征向量；为可学习的激活函数偏置；为逆小波变换；为可学习的激活函数权重在第k个网格中的权重分量；为输入样本经过小波分解后的在第k个网格中的中间结果；为第l层第k个网格对应的小波分解后的高频分量；为对应高频分量的可学习的激活函数权重；为第l层第k个网格对应的小波分解后低频分量；为对应低频分量的可学习的激活函数权重；为第l层用于计算激活函数偏置的可学习权重矩阵。

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(北京)，其通讯地址为：102249 北京市昌平区府学路18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”。

以上内容由龙图腾AI智能生成。