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！

龙图腾网获悉湖北省地震局(中国地震局地震研究所)申请的专利一种基于深度学习的地震波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：CN120951094B 。

龙图腾网通过国家知识产权局官网在2026-03-13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：202511154635.1，技术领域涉及：G06F18/241；该发明授权一种基于深度学习的地震波识别方法是由庞聪;江勇;李新星;李查玮;向涯;吴涛;刘斯睿设计研发完成，并于2025-08-18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波识别方法在说明书摘要公布了：一种基于深度学习的地震波识别方法，包括第一步，采集地震波信号得到原始数据，经中心截取和归一化处理后得到统一信号；第二步，用CEEMDAN分解统一信号，得到若干阶本征模态函数与残差分量，对每阶模态函数按预设时间尺度参数粗粒化处理划分子序列，再通过模糊隶属度函数构建相似性准则，计算各子序列模糊熵值并整合成特征矩阵，第三步，采用概率主成分分析对特征矩阵降维，得到降维后特征矩阵，第四步，将降维后特征矩阵输入由部落竞争与成员合作算法优化的CTCM‑1D‑CNN模型，预测输出地震波类型，完成地震波识别。因此，本设计对地震波识别的精度与稳定性较好。

本发明授权一种基于深度学习的地震波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波识别方法，其特征在于：所述识别方法包括以下步骤： 第一步：先对地震事件产生的地震波信号进行采集，得到原始数据，再对原始数据进行中心截取，然后对截取后的原始数据进行归一化处理，得到统一信号； 第二步：采用CEEMDAN分解方法对上述统一信号进行信号分解，得到若干阶本征模态函数与相应的残差分量；针对每阶本征模态函数，首先基于预设的时间尺度参数进行粗粒化处理，将各阶本征模态函数按对应时间尺度划分为若干子序列，再采用模糊隶属度函数对每个时间尺度下的子序列构建相似性度量准则，基于该相似性度量准则计算每个时间尺度下子序列的模糊熵值，然后将所述模糊熵值整合形成特征矩阵； 第三步：采用概率主成分分析对上述特征矩阵进行降维处理，得到降维后特征矩阵； 第四步：将上述降维后特征矩阵输入CTCM-1D-CNN卷积神经网络模型，所述CTCM-1D-CNN卷积神经网络模型由部落竞争与成员合作算法优化一维卷积神经网络构建而成；所述CTCM-1D-CNN卷积神经网络模型对上述降维后特征矩阵进行地震事件类型识别预测，输出采集到的地震波的类型，从而完成地震波的识别； 所述第四步，所述CTCM-1D-CNN卷积神经网络模型由部落竞争与成员合作算法优化一维卷积神经网络构建而成是指：先将1D-CNN基础网络模型的超参数编码为染色体，所述超参数包括学习率下降因子、初始学习率、最小批大小；设计以平均绝对百分比误差、预测值与理论值的相关系数、JS散度为子函数的多目标函数，其中平均绝对百分比误差对应系数α，预测值与理论值的相关系数对应系数β，JS散度对应系数γ，通过α、β、γ对三个子函数进行加权，且α+β+γ=1；再运行部落竞争与成员合作算法，通过模拟部落内部成员协作与部落间资源竞争的过程，对所述超参数进行迭代寻优。

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湖北省地震局(中国地震局地震研究所)，其通讯地址为：430071 湖北省武汉市武昌区洪山侧路40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。