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！

龙图腾网获悉中国人民解放军海军大连舰艇学院申请的专利基于SRGAN深度学习网络的地磁异常数据稳定向下延拓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：CN119646415B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202411697617.3，技术领域涉及：G06F18/15；该发明授权基于SRGAN深度学习网络的地磁异常数据稳定向下延拓方法是由边刚;熊攀;刘强;金绍华;段盛文;陈志键;王美娜设计研发完成，并于2024-11-26向国家知识产权局提交的专利申请。

本基于SRGAN深度学习网络的地磁异常数据稳定向下延拓方法在说明书摘要公布了：基于SRGAN深度学习网络的地磁异常数据稳定向下延拓方法，属于地球物理磁场数据延拓领域。本发明结合地磁异常数据延拓特点，添加了CBAM空间注意力机制模块来提高网络模型对磁异常数据的空间感知能力，结合位场数据向下延拓会放大高频信号产生噪声的特点，将深度学习模型结合了自适应阈值多重小波变换来抑制噪声数据进一步提高延拓精度。为使模型充分学习地磁异常数据的细节信息，提出一种克里金超分辨率算法结合滑动子区模式的训练数据集构建方法。通过设计合成仿真模型实验和实测数据与其他三种算法进行对比，本发明模型所计算精度最高，对磁异常细节信息恢复最好。

本发明授权基于SRGAN深度学习网络的地磁异常数据稳定向下延拓方法在权利要求书中公布了：1.一种基于SRGAN深度学习网络的地磁异常数据稳定向下延拓方法，其特征在于，步骤如下: 步骤1、将原始格网地磁异常数据使用克里金插值算法提升分辨率，得到超分辨率地磁异常数据； 步骤2、将所得超分辨率地磁异常数据采用贝叶斯自适应阈值多重小波变换进行去噪，再使用Tikhonov迭代正则化法进行延拓计算，延拓计算中的正则化参数和迭代参数采用L‑curve曲线法计算； 步骤3、将延拓计算得到的数据进一步使用贝叶斯自适应阈值多重小波变换进行去噪，并将两次去噪后的数据分别采用滑动子区提取的方式制作训练改进的SRGAN深度学习网络的数据集； 步骤4、将数据集输入改进的SRGAN深度学习网络，在改进的SRGAN深度学习网络中，首先利用5个深度残差网络来学习数据集之间的残差映射，在深度残差网络中采用双卷积层提取磁异常数据特征，并通过批量归一化和参数化激活函数来处理双卷积层后的数据；然后将通过所有深度残差网络后的数据输入两个卷积层和一个像素级卷积层中，将特征映射回延拓磁异常数据；同时在像素级卷积层添加CBAM注意力机制，注意力机制提取延拓磁异常数据中的空间信息和空间维度特征，将磁异常数据的空间信息和空间维度特征返回改进的SRGAN深度学习网络进行迭代训练； 步骤5、对于步骤5训练好的改进的SRGAN深度学习网络输出的滑动子区的结果，使用最近点原则将距离格网点最近的滑动子区结果作为格网点的延拓值，对不同滑动子区得到的格网点的延拓值进行拼接并进一步使用贝叶斯自适应阈值多重小波变换进行去噪，得到最终延拓后的磁异常数据。

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人民解放军海军大连舰艇学院，其通讯地址为：116018 辽宁省大连市中山区解放路667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”。