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！

龙图腾网获悉中国地质大学(北京)申请的专利一种基于深度学习的薄互层纵波阻抗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：CN119937003B 。

龙图腾网通过国家知识产权局官网在2026-02-13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：202411999453.X，技术领域涉及：G01V1/30；该发明授权一种基于深度学习的薄互层纵波阻抗预测方法是由孙鲁平;李丹;李浩;周钰展设计研发完成，并于2024-12-31向国家知识产权局提交的专利申请。

本一种基于深度学习的薄互层纵波阻抗预测方法在说明书摘要公布了：本发明公开了一种基于深度学习的薄互层纵波阻抗预测方法，所述方法包括：人工采集和处理，获得地震数据；井震标定和深时转换，获得井点处薄互层段纵波阻抗和地震数据；时频分析和滑动时窗获得井旁地震道局部时窗内时频谱图像，作为深度学习网络输入样本；获取局部时窗内薄互层纵波阻抗值，作为样本标签；完成薄互层纵波阻抗预测网络模型训练，获得最佳网络参数；利用最佳网络参数，遍历所有地震道，获得所有时窗内薄互层纵波阻抗预测结果；对重叠时窗内结果进行处理，确定纵波阻抗最终空间展布。与已有方法相比，该方法联合测井和地震资料，可突破地震分辨率，且无需子波信息，预测精度高，便于推广。

本发明授权一种基于深度学习的薄互层纵波阻抗预测方法在权利要求书中公布了：1.一种基于深度学习的薄互层纵波阻抗预测方法，其特征在于包括如下步骤： 1在地表进行人工地震数据采集和处理，获得叠后地震数据； 2利用测井资料和井旁地震道对目的层段进行井震标定和深时转换，获得井点处薄互层段纵波阻抗数据和地震数据； 3对目的薄互层段地震数据进行时频分析，将地震道一维波形数据转换为地震道二维时频谱图，时频分析的频率范围根据目的薄互层段地震数据的主频fm及其有效频带范围[f1，fh]确定，低频从0hz开始，高频取2fm+fh‑f12或者以上，频率域采样间隔不大于1hz； 4利用滑动时窗从井旁地震道获得局部时窗内二维时频谱图像，并对其进行预处理，作为深度学习网络的输入样本，滑动时窗的时窗长度根据目的薄互层段地震数据的主频fm确定，最小为1fm的2倍，最大为1fm的4倍；滑动步长最小为一个时间采样间隔，最大为一个时窗长度； 5利用与步骤4中相同的滑动时窗从测井资料中获得局部时窗内纵波阻抗的值，并对其进行最小‑最大归一化处理，作为样本的标签，最小‑最大归一化处理的公式为： 其中，I为原始纵波阻抗值；Imax为纵波阻抗的全局最大值，即样本集中所有纵波阻抗值的最大值；Imin为纵波阻抗的全局最小值，即样本集中所有纵波阻抗值的最小值；Inorm为归一化后的纵波阻抗值，其范围在[0,1]之间；归一化后的纵波阻抗标签是一个数值分布在[0,1]区间的一维向量，向量的长度与样本的时间采样点数相同； 6匹配样本和标签，划分训练集和验证集，选择损失函数和网络模型评价方法，搭建深度学习网络架构，测试网络超参数，完成薄互层纵波阻抗预测网络模型训练，获得最佳网络参数； 7利用与步骤4中相同长度的滑动时窗遍历所有地震道的二维时频谱图，获得局部时窗内二维时频谱图像的全部集合，并对集合内所有图像进行预处理； 8利用最佳网络参数，将经预处理后的局部时窗内二维时频谱图像的全部集合转换为局部时窗内薄互层纵波阻抗预测结果； 9按照各地震道滑动时窗中心点的垂向位置，对重叠时窗内纵波阻抗预测结果进行取平均处理和反归一化处理，确定目的薄互层纵波阻抗的最终空间展布；重叠时窗是指相邻滑动时窗在滑动步长小于时窗长度时存在的时窗重叠部分，重叠时窗内纵波阻抗预测结果的取平均处理方法为： 其中，M为重叠时窗的个数，该参数与滑动时窗的长度和滑动步长有关；N为重叠的采样点个数，该参数与地震道的时间长度和滑动时窗的长度有关；Iij为第i个采样点在第j个重叠时窗中的纵波阻抗预测值；Ii为第i个采样点的平均纵波阻抗预测值，为归一化状态下的值，其取值范围在[0,1]之间； 对Ii进行反归一化处理，恢复到实际的纵波阻抗范围，得到最终纵波阻抗预测值，反归一化方法为： If＝Ii×Imax‑Imin+Imin其中，If为反归一化后的最终纵波阻抗值；Ii为第i个采样点的归一化的平均纵波阻抗预测值；Imax、Imin为纵波阻抗的全局最大值和全局最小值，与步骤5归一化时保持一致。

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地质大学(北京)，其通讯地址为：100083 北京市海淀区学院路29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。