电子科技大学宗晶晶获国家专利权
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！
龙图腾网获悉电子科技大学申请的专利基于无监督模型驱动型深度学习的地震采集脚印去噪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：CN115205534B 。
龙图腾网通过国家知识产权局官网在2025-07-22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：202210889492.9，技术领域涉及：G01V1/36；该发明授权基于无监督模型驱动型深度学习的地震采集脚印去噪方法是由宗晶晶;岳跃华;何宇;钱峰;胡光岷设计研发完成，并于2022-07-27向国家知识产权局提交的专利申请。
本基于无监督模型驱动型深度学习的地震采集脚印去噪方法在说明书摘要公布了：本发明公开一种基于无监督模型驱动型深度学习的地震采集脚印去噪方法，应用于地震数据处理领域，针对现有的脚印去除方法，在地震图像具有超出其假设的意外特性时，依赖于手工制作的先验知识，则脚印去除效果不佳的问题；本发明提出了一种模型驱动的脚印消除网络FR，用于无监督的捕获脚印抑制，不需要任何有价值的信号假设；FR‑Net网络根据噪声的固有方向性设计一个单向总变差采集脚印模型。通过使用UTV模型对深度卷积自编码器进行强规整，确保FR‑Net网络将DCAE从完全的数据驱动转换为模型驱动，继承了DCAE和脚印模型的优势。通过反向传播算法优化FR‑Net网络，以无监督的方式投影出脚印噪声和有用信号的完全分离。
本发明授权基于无监督模型驱动型深度学习的地震采集脚印去噪方法在权利要求书中公布了：1.一种基于无监督模型驱动型深度学习的地震采集脚印去噪方法，其特征在于，包括： S1、根据三维地震数据构建无监督训练样本； S2、构建FR网络，所述FR网络采用U-Net架构；步骤S2对应的计算式为： 其中，表示FR网络的输出结果，DΘ·表示编码器网络，Θ表示与编码器相关的训练参数，EΘ·表示解码器网络，表示FR网络的输入； Θ通过最小化成本函数求解，成本函数表示为： 其中，||||2为2范数，||||1为1范数，和分别为水平和竖直方向的导数算子，λ1和λ2为正则化参数； S3、采用步骤S1的训练样本对步骤S2构建的FR网络进行训练； S4、将待处理地震数据输入训练完成的FR网络，从而完成脚印去除，获得最终结果。
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电子科技大学，其通讯地址为：611731 四川省成都市高新区（西区）西源大道2006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