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初至约束物理嵌入循环神经网络的鲁棒全波形反演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：CN120103475B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202510248327.9，技术领域涉及：G01V1/30；该发明授权初至约束物理嵌入循环神经网络的鲁棒全波形反演方法是由刘继君;鲁才;胡光岷;梁兼栋设计研发完成，并于2025-03-04向国家知识产权局提交的专利申请。

本初至约束物理嵌入循环神经网络的鲁棒全波形反演方法在说明书摘要公布了：本发明公开了一种初至约束物理嵌入循环神经网络的鲁棒全波形反演方法，首先通过物理嵌入循环神经网络的正向传播求解波动方程，生成正演炮集记录，再利用初至信息筛选出与观测数据匹配度较高的地震道，参与损失计算，并随着反演过程的进行，逐步扩大参与反演的地震道范围，确保反演结果逐步趋于全局最优解，且利用循环神经网络正向传播所记录的时空场梯度信息进行反向传播，进一步优化速度参数，提升反演精度。本发明的方法将地震波传播的物理过程嵌入到循环神经网络中，引入初至约束和渐进式反演策略，显著降低了FWI对初始模型的依赖性，即使在初始模型与真实模型存在显著偏差的情况下，仍能准确重建地下速度场结构。

本发明授权初至约束物理嵌入循环神经网络的鲁棒全波形反演方法在权利要求书中公布了：1.一种初至约束物理嵌入循环神经网络的鲁棒全波形反演方法，具体步骤如下： S1、构建基于初至约束的物理嵌入循环神经网络PIRNN框架； 所述框架包括：初至信息提取模块、物理嵌入循环神经网络模块、初至约束目标函数构建模块、反演优化模块； 其中，所述物理嵌入循环神经网络模块包括：初始模型、SGFD RNN算子模块；所述初始模型即速度模型； S2、基于步骤S1构建的框架，物理嵌入循环神经网络模块将波动方程的有限差分求解过程映射到RNN的正向传播中，记录整个时空场的梯度信息，并将速度模型参数作为网络中的可训练参数，完成基于物理约束的地震正演建模； S3、基于初至信息提取模块从观测数据和模拟数据中提取和利用初至波信息，构建初至约束，然后初至约束目标函数构建模块利用初至约束构建动态目标函数，仅选择初至时间差异小于时间阈值的地震道参与损失计算； 其中，构建初至约束即通过计算观测数据与模拟数据之间的互相关函数，提取初至时间差异，并基于初至时间差异动态选择参与反演的地震道； S4、基于步骤S3构建的动态目标函数，利用物理嵌入循环神经网络模块的正向传播记录的时空场梯度信息，反演优化模块通过反向传播更新速度模型参数，逐步优化反演结果，实现鲁棒全波形反演； 所述步骤S4具体如下： 在反演过程中，采用递进式策略，通过满足初至时间差异阈值的地震道数量  动态调整反演过程；其中，表示指示函数，用于选择合适的地震道，Shots表示总的地震道的数量；表示第个地震道所对应的观测数据和模拟数据之间的时间相位差；表示设定的时间阈值； 然后进行迭代优化，在每一次迭代过程中，重复步骤S2‑S3，将初始模型通过SGFD RNN 算子模块正演，得到模拟数据的同时记录整个时空场的梯度信息，然后将模拟数据和观测数据根据初至约束进行地震道筛选，将筛选出的地震道计算损失并反向传播更新初始模型，循环此过程，直至选取大部分地震道参与运算，总初至差接近0，并且损失函数收敛到预设阈值，实现鲁棒全波形反演； 其中，反演优化模块通过公式 更新速度模型参数，表示学习率，表示迭代次数，表示损失函数关于速度参数的梯度。

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”。

以上内容由龙图腾AI智能生成。