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岩性结构识别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：CN119846701B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202411997391.9，技术领域涉及：G01V1/28；该发明授权一种基于深度学习的薄互层岩性结构识别方法是由孙鲁平;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岩性结构识别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岩性结构识别方法，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岩性结构和地震数据；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岩性结构并分类编码，作为样本标签；完成薄互层岩性结构识别网络模型训练，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岩性分类结果；处理重叠时窗内结果，确定薄互层岩性结构最终空间展布。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，获得薄互层岩性结构的空间连续展布，且无需子波信息，识别精度高，便于推广。

本发明授权一种基于深度学习的薄互层岩性结构识别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岩性结构识别方法，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岩性结构数据和地震数据； 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[fl,fh]确定，低频从0hz开始，高频取2fm+fh‑fl2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解释岩性数据获得局部时窗内薄互层岩性结构，并对其岩性进行分类编码，作为样本的标签，岩性分类编码按照以下规则进行： 第一种岩性：分类编码值＝1； 第二种岩性：分类编码值＝2； …第n种岩性：分类编码值＝m； 其中，n为测井解释的岩性总类，m为编码总类，m≤n，且具有过度指示的岩性采用相邻值编码，编码后的样本标签是一个离散数值一维向量，向量中的数值由1、2，…，m构成，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，搭建深度学习网络架构，定义损失函数，选择网络模型评价方法，测试网络超参数，完成薄互层岩性结构识别网络模型训练，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岩性分类结果； 9按照各地震道滑动时窗中心点的时间位置，对重叠时窗内岩性分类结果进行处理，确定薄互层岩性结构的最终空间展布，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，重叠时窗内岩性分类结果的处理方法为： 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；lij为第i个采样点在第j个重叠时窗中的岩性分类预测值，li为第i个采样点的最终岩性分类预测值，Round˙为四舍五入取整函数。

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。