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化工股份有限公司;中国石油化工股份有限公司胜利油田分公司物探研究院申请的专利融入先验信息地深度学习地震子波振幅谱估计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：CN116859454B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202210292249.9，技术领域涉及：G01V1/30；该发明授权融入先验信息地深度学习地震子波振幅谱估计方法是由苏朝光;张秀娟;刘连启;巴素玉;韩宏伟;宋亮;刘升余设计研发完成，并于2022-03-23向国家知识产权局提交的专利申请。

本融入先验信息地深度学习地震子波振幅谱估计方法在说明书摘要公布了：本发明提供一种融入先验信息地深度学习地震子波振幅谱估计方法，包括：步骤1，对原始地震资料进行预处理，得到叠后地震资料；步骤2，对叠后地震资料进行光滑预处理；步骤3，构建深度学习网络结构；步骤4，对实际资料进行地震子波振幅谱估算，得到浅层的地震子波；步骤5，进行实际资料验证，实现深层地震子波的矫正。该融入先验信息地深度学习地震子波振幅谱估计方法充分利用地震子波谱具有光滑性这一先验信息，将预处理后的地震记录振幅谱输入到深度学习网络中，实现了在不依赖任何假设前提的条件下，对非单峰和单峰子波振幅谱进行准确估计，从而实现了对地震资料的保真高分辨率处理。

本发明授权融入先验信息地深度学习地震子波振幅谱估计方法在权利要求书中公布了：1.融入先验信息地深度学习地震子波振幅谱估计方法，其特征在于，该融入先验信息地深度学习地震子波振幅谱估计方法包括： 步骤1，对原始地震资料进行预处理，得到叠后地震资料； 步骤2，对叠后地震资料进行光滑预处理； 步骤3，构建深度学习网络结构； 步骤4，对实际资料进行地震子波振幅谱估算，得到浅层的地震子波； 步骤5，进行实际资料验证，实现深层地震子波的矫正； 在步骤3，构建了一个基于长短时记忆LSTM的深度学习神经网络DNN，由LSTM单元和全连接层单元所组成，输入数据为地震记录振幅谱，将一个时间窗口内的数据点输入到LSTM层中；数据输入到LSTM层后，LSTM的每个单元都会对输入的数据进行处理，然后输出一个向量，将该向量输入到一个全连接的神经网络中，输出当前时间窗口进行拟合后的数据的一个数据点；最后，将这些单独的数据点组合在一起，就可以得到估计的子波振幅谱； 在步骤3，模型参数优化的目标函数如式5所示： 5 其中，表示第个真实的地震子波振幅谱，表示第个估计得到的子波振幅谱，，m表示样本个数；其次，损失函数选用MSE函数，梯度下降采用Adam方法，并采用Dropout正则化方法来防止过拟合现象的发生； 该过程可描述如下： 6 其中，表示非线性拟合算子，它是通过一个基于LSTM的深度卷积网络在训练过程中不断优化参数集所决定的,表示经过预处理的地震记录振幅谱； 步骤3还包括，生成数据集对网络进行训练和测试，模型数据采用的样本地震子波分别为：Ricker子波、广义地震子波、可控震源子波和带通子波，其中前两个子波属于单峰子波，后面二者属于非单峰子波，且子波振幅谱在形态上差异较大；样本中的反射系数序列分别采用高斯白噪声随机数序列、蓝色噪声序列以及服从α-stable分布的随机数序列；根据褶积模型将地震子波和反射系数序列褶积得到合成地震记录，时间采样间隔为1ms，并加入信噪比为20dB的高斯白噪声，合成地震记录共8000道，以比例6:1:1划分为训练集、验证集和测试集，用于深度神经网络的训练。

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化工股份有限公司;中国石油化工股份有限公司胜利油田分公司物探研究院，其通讯地址为：257000 山东省东营市东营区济南路125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。