恭喜西安交通大學劉乃豪獲國家專利權
買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！
龍圖騰網恭喜西安交通大學申請的專利一種基于深度學習的地震波衰減估計方法與估計系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN115932953B 。
龍圖騰網通過國家知識產權局官網在2025-05-16發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202211208146.6，技術領域涉及：G01V1/30；該發明授權一種基于深度學習的地震波衰減估計方法與估計系統是由劉乃豪;張宇新;楊陽;魏圣燾;雷友波;王家樂;王治國;高靜懷設計研發完成，并于2022-09-30向國家知識產權局提交的專利申請。
本一種基于深度學習的地震波衰減估計方法與估計系統在說明書摘要公布了：本發明提供了一種基于深度學習的地震波衰減估計方法和估計系統，該地震波衰減估計方法在稀疏時頻變換的計算基礎上，引入深度學習神經網絡模型，來避免多次低效的人工選取參數實驗以及大量的計算時間，克服了現有技術中的稀疏時頻變換的缺點，并進一步將其應用在實際地震數據中，進行地震衰減估計，增強了此方法的實用性與可靠性。
本發明授權一種基于深度學習的地震波衰減估計方法與估計系統在權利要求書中公布了：1.一種基于深度學習的地震波衰減估計方法，其特征在于，包括以下步驟：使用深度學習算法構建基于Unet網絡的稀疏短時傅里葉變換模型；在所述稀疏短時傅里葉變換模型基礎上計算合成地震數據的稀疏時頻譜作為標簽，構成合成數據集；利用所述合成數據集訓練所述稀疏短時傅里葉變換模型以得到訓練后的稀疏短時傅里葉變換模型，并驗證所述稀疏短時傅里葉變換模型訓練效果；使用遷移學習方法，在所述訓練后的稀疏短時傅里葉變換模型的基礎上構造無監督的稀疏時頻域自適應變換模型；利用無標簽的實際地震數據訓練所述無監督的稀疏時頻域自適應變換模型以得到訓練后的無監督的稀疏時頻域自適應變換模型，并驗證無監督的稀疏時頻域自適應變換模型訓練效果；將三維疊后地震數據應用于所述訓練后的無監督的稀疏時頻域自適應變換模型以估計地震衰減幅度。
如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人西安交通大學，其通訊地址為：710049 陜西省西安市碑林區咸寧西路28號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。
免責聲明
1、本報告根據公開、合法渠道獲得相關數據和信息，力求客觀、公正，但并不保證數據的最終完整性和準確性。
2、報告中的分析和結論僅反映本公司于發布本報告當日的職業理解，僅供參考使用，不能作為本公司承擔任何法律責任的依據或者憑證。
1、本報告根據公開、合法渠道獲得相關數據和信息，力求客觀、公正，但并不保證數據的最終完整性和準確性。
2、報告中的分析和結論僅反映本公司于發布本報告當日的職業理解，僅供參考使用，不能作為本公司承擔任何法律責任的依據或者憑證。
開放平臺
擔保交易
惠及多方
會員特惠
專屬平臺
適合多方
數據共享
功能齊全
皖公網安備 34010402703815號