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！

龙图腾网获悉中国海洋大学申请的专利基于敏感度信息约束深度学习的面波频散曲线反演方法、介质和设备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：CN121232269B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202511783870.5，技术领域涉及：G01V1/28；该发明授权基于敏感度信息约束深度学习的面波频散曲线反演方法、介质和设备是由童思友;刘柏嘉;王金刚;胡嘉晨;谷统梁;刘滨瑞;刘钰琨设计研发完成，并于2025-12-01向国家知识产权局提交的专利申请。

本基于敏感度信息约束深度学习的面波频散曲线反演方法、介质和设备在说明书摘要公布了：本发明属于地球物理勘探数据处理技术领域，涉及基于敏感度信息约束深度学习的面波频散曲线反演方法、介质和设备，所述方法包括构建Senformer网络模型、制作数据集、优化训练过程和反演测试；所述方法基于构建引入敏感度信息的Senformer网络模型，通过将频散曲线与其对应的敏感度特征共同输入网络模型，利用卷积层与多层Transformer编码器提取局部与全局特征，结合交叉注意力机制实现敏感度信息对反演过程的有效约束。本发明提出基于敏感度信息加权的SmoothL1损失函数，提高对关键层位横波速度反演的稳定性与准确性。通过大规模正演数据集训练与优化，本发明能够高效、稳定地实现复杂速度结构的建模，在抗噪性、稳定性和反演精度等方面均具有显著优势。

本发明授权基于敏感度信息约束深度学习的面波频散曲线反演方法、介质和设备在权利要求书中公布了：1.一种基于敏感度信息约束深度学习的面波频散曲线反演方法，其特征在于，所述方法包括以下内容： 步骤1、构建Senformer网络模型：构建网络模型的输入层、特征编码模块、特征提取模块和输出层；该网络模型的输入有两类信息，第一类信息是频散曲线，包含频率与相速度，第二类信息是敏感度信息；在特征编码模块中引入频率位置编码，使用正弦、余弦三角函数位置编码方法； 所述的特征提取模块：使用卷积和多层Transformer编码器学习频散曲线的局部和全局特征，并引入交叉注意力机制，通过敏感度信息对反演过程进行约束； 构建敏感度信息加权的SmoothL1损失函数：使用结合L1和L2损失优点的SmoothL1损失函数，同时将每个地层的平均敏感度作为损失的权重，引入层维度的敏感度信息；对于每一个样本，其损失函数公式为： ； 其中，D为总层数，为第i层的平均敏感度，为神经网络预测的横波速度，为真实横波速度，为SmoothL1损失的平滑参数，用于控制L1和L2损失之间的过渡，取值为1.0； 步骤2、制作数据集：生成浅地表横波速度模型，使用Knopoff正演方法计算得到面波频散曲线，然后使用下式计算得到敏感度信息； ； 其中，c表示相速度，表示频率，表示第i层的横波速度，表示扰动比例，设置为1%，表示频散曲线相对于第i层横波速度扰动的敏感度； 步骤3、优化训练过程：使用步骤2的数据集对步骤1构建的Senformer网络模型进行训练，在训练过程中，采用AdamW优化器结合余弦退火学习率调度策略来优化训练过程，余弦退火学习率调度器将学习率按照余弦曲线从初始值逐渐减小到最小值；SmoothL1损失函数是Senformer网络模型进行参数优化与训练的量化指标，在Senformer网络模型训练过程中，SmoothL1损失函数用于量化网络反演结果与真实横波速度之间的差异，Senformer网络模型通过计算该差异，利用反向传播算法和梯度下降策略迭代更新网络参数； 步骤4、使用步骤2中制作的数据集对步骤3优化训练后的Senformer网络模型进行反演测试。

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海洋大学，其通讯地址为：266100 山东省青岛市崂山区松岭路238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。