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！

龙图腾网获悉吉林大学申请的专利基于地震岩石物理与深度学习的火山岩风化程度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：CN120722424B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202511160276.0，技术领域涉及：G01V1/28；该发明授权基于地震岩石物理与深度学习的火山岩风化程度预测方法是由陈念;刘财;郭智奇设计研发完成，并于2025-08-19向国家知识产权局提交的专利申请。

本基于地震岩石物理与深度学习的火山岩风化程度预测方法在说明书摘要公布了：本发明适用于火山岩油气储层地球物理勘探领域，提供了基于地震岩石物理与深度学习的火山岩风化程度预测方法。包括：建立火山岩风化壳储层岩石物理模型，通过引入非均质相的含量v2及其孔隙度，定量表征由风化作用引起的火山岩地层岩石组构的非均质性及其对弹性参数的影响；利用测井数据计算井中v2和参数曲线并定义风化程度指示因子WDI；构建优化的NRBO‑Transformer神经网络架构以描述WDI与弹性参数的映射关系，建立WDI的预测模型并应用于实际地震数据，由地震反演的弹性数据计算WDI，实现研究区内火山岩风化壳有利储层空间展布的定量预测。本发明为火山岩风化壳储层的勘探开发提供了有力支持。

本发明授权基于地震岩石物理与深度学习的火山岩风化程度预测方法在权利要求书中公布了：1.基于地震岩石物理与深度学习的火山岩风化程度预测方法，其特征在于，包括以下步骤： 步骤1：基于岩石物理理论构建适用于火山岩风化壳储层的岩石物理模型，通过引入非均质相的含量v2及孔隙度两个参数，定量表征由风化作用引起的火山岩地层岩石组构的非均质性及其对火山岩风化壳储层弹性参数的定量影响； 步骤2：开发基于岩石物理模型驱动的井中反演方法，输入测井孔隙度、含气饱和度Sg和渗透率κ，以v2和为反演目标参数，通过拟合井中实测的纵波、横波速度与岩石物理模型预测的对应速度，计算井中v2和参数曲线； 步骤3：基于v2和参数定义风化程度指示因子WDI，用于定量表征火山岩风化程度，并通过测井孔隙度和渗透率曲线验证WDI对表征火山岩风化程度的有效性； 步骤4：利用NRBO算法对Transformer神经网络的超参数进行迭代优化，建立优化的NRBO-Transformer神经网络架构，基于该架构建立WDI与弹性参数纵波阻抗Ip、横波阻抗Is、密度ρ之间的映射关系，构建WDI的预测模型； 步骤5：将预测模型应用于实际地震数据，由地震反演的弹性参数计算WDI，实现研究区内火山岩风化壳有利储层空间展布的定量预测。

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吉林大学，其通讯地址为：130012 吉林省长春市朝阳区前进大街2699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。