恭喜西安交通大学刘乃豪获国家专利权
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！
龙图腾网恭喜西安交通大学申请的专利一种基于深度学习的地震波衰减估计方法与估计系统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：CN115932953B 。
龙图腾网通过国家知识产权局官网在2025-05-16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：202211208146.6，技术领域涉及：G01V1/30；该发明授权一种基于深度学习的地震波衰减估计方法与估计系统是由刘乃豪;张宇新;杨阳;魏圣焘;雷友波;王家乐;王治国;高静怀设计研发完成，并于2022-09-30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地震波衰减估计方法与估计系统在说明书摘要公布了：本发明提供了一种基于深度学习的地震波衰减估计方法和估计系统，该地震波衰减估计方法在稀疏时频变换的计算基础上，引入深度学习神经网络模型，来避免多次低效的人工选取参数实验以及大量的计算时间，克服了现有技术中的稀疏时频变换的缺点，并进一步将其应用在实际地震数据中，进行地震衰减估计，增强了此方法的实用性与可靠性。
本发明授权一种基于深度学习的地震波衰减估计方法与估计系统在权利要求书中公布了：1.一种基于深度学习的地震波衰减估计方法，其特征在于，包括以下步骤：使用深度学习算法构建基于Unet网络的稀疏短时傅里叶变换模型；在所述稀疏短时傅里叶变换模型基础上计算合成地震数据的稀疏时频谱作为标签，构成合成数据集；利用所述合成数据集训练所述稀疏短时傅里叶变换模型以得到训练后的稀疏短时傅里叶变换模型，并验证所述稀疏短时傅里叶变换模型训练效果；使用迁移学习方法，在所述训练后的稀疏短时傅里叶变换模型的基础上构造无监督的稀疏时频域自适应变换模型；利用无标签的实际地震数据训练所述无监督的稀疏时频域自适应变换模型以得到训练后的无监督的稀疏时频域自适应变换模型，并验证无监督的稀疏时频域自适应变换模型训练效果；将三维叠后地震数据应用于所述训练后的无监督的稀疏时频域自适应变换模型以估计地震衰减幅度。
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西安交通大学，其通讯地址为：710049 陕西省西安市碑林区咸宁西路28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”。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号