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科学院地质力学研究所申请的专利一种基于深度学习的地震卤水储层响应特征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：CN120429813B 。

龙图腾网通过国家知识产权局官网在2026-02-27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：202510489518.4，技术领域涉及：G01V11/00；该发明授权一种基于深度学习的地震卤水储层响应特征识别方法是由张浩;方欣欣;王颖;陈程;施辉;周远剑设计研发完成，并于2025-04-18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卤水储层响应特征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地震卤水储层响应特征识别方法，通过融合感应测井数据与地震反演结果，突破传统声波测井对卤水储层特征响应微弱的技术局限，提升储层识别的准确性；改进的UNET++网络结构利用密集跳跃连接与通道注意力机制，有效整合多尺度地质特征，增强薄层卤水弱反射信号的捕获能力，提高边界识别的精确度；引入双向LSTM与空间特征对齐技术，实现测井垂向特征与地震横向剖面的深度融合，优化层位匹配关系，有效降低因速度异常导致的误判风险；基于深度监督机制与联合训练策略，生成三维储层空间展布模型，实现对深层孔隙‑裂隙型卤水储层的刻画，大幅提升勘探效率，为复杂地质条件下卤水资源定位提供可靠技术支撑。

本发明授权一种基于深度学习的地震卤水储层响应特征识别方法在权利要求书中公布了：1.一种基于深度学习的地震卤水储层响应特征识别方法，其特征在于，包括以下步骤： 对测井数据和地震数据进行预处理，生成与卤水储层对应的标签掩码； 将预处理后的测井数据与地震数据进行多模态特征融合，形成融合特征输入； 构建UNET++网络模型，所述UNET++网络模型包括编码器、解码器以及嵌套密集跳跃连接结构，通过所述嵌套密集跳跃连接结构动态融合编码器的多尺度特征与测井信息的跨模态特征； 在所述UNET++网络模型的跳跃连接处嵌入通道注意力机制，通过特征门控调节测井特征对地震特征的权重分配； 利用所述UNET++网络模型对融合特征输入进行训练，输出卤水储层的空间分布预测结果； 基于所述空间分布预测结果识别深层卤水储层的反射特征及空间展布规律； 所述多模态特征融合的过程包括： 将测井特征图作为附加通道与地震剖面进行通道级联； 通过双线性插值统一地震数据与测井数据的空间分辨率； 采用1×1卷积对融合后的特征进行通道维度压缩； 所述UNET++网络模型的构建过程包括： 在编码器中通过卷积和下采样提取多尺度特征； 在解码器中通过上采样和嵌套密集跳跃连接整合多级特征； 在解码器的每个节点融合来自编码器的多层级跳跃特征与测井信息； 在所述UNET++网络模型的跳跃连接处嵌入通道注意力机制的过程包括： 通过卷积层生成注意力权重图； 将所述注意力权重图与测井特征图进行逐元素相乘，加权后的测井特征与地震特征拼接； 利用所述UNET++网络模型对融合特征输入进行训练的过程包括： 采用双向LSTM处理测井曲线序列，提取深度相关特征； 将所述深度相关特征扩展为二维形式后输入UNET++网络模型； 通过交叉熵损失函数优化网络参数，联合多任务损失监督不同解码层的输出。

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科学院地质力学研究所，其通讯地址为：100081 北京市海淀区民族大学南路11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。