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！

龙图腾网获悉成都理工大学申请的专利一种基于深度学习与测井曲线的岩性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：CN121561595B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202610090609.5，技术领域涉及：G06F18/241；该发明授权一种基于深度学习与测井曲线的岩性识别方法是由田亚铭;陆远均;袁龙;李文杰;王勇;李辉设计研发完成，并于2026-01-23向国家知识产权局提交的专利申请。

本一种基于深度学习与测井曲线的岩性识别方法在说明书摘要公布了：本发明涉及智能识别领域，具体是一种基于深度学习与测井曲线的岩性识别方法，本发明将信号处理技术与地质数据的深度融合，将原本用于无线调制信号处理的相位敏感多尺度卷积和角度注意力机制，优化后创新性地应用于测井曲线信号分析，测井曲线本质上是时间深度序列信号，其相位对应地层界面的突变特征，幅度对应岩性物理属性的强弱变化，本发明将通信中的SNR估计转化为测井曲线质量评估，自适应识别并抑制工程噪声，提升数据质量，本发明利用角度相似度捕捉测井曲线在深度方向上的地层旋回性和岩相过渡关系，地层序列具有方向性，双向注意力可同时建模向上变细和向上变粗的沉积序列，通过上述机制实现岩性的精准识别。

本发明授权一种基于深度学习与测井曲线的岩性识别方法在权利要求书中公布了：1.一种基于深度学习与测井曲线的岩性识别方法，其特征在于：具体包括以下步骤： 步骤S1：测井曲线数据采集，采集测井信号数据，并采用滑动窗口技术对测井数据进行采样扩充样本量，得到测井曲线； 步骤S2：数据预处理，对测井曲线进行基于SNR估计的自适应感知降噪的预处理，得到优化测井曲线，具体包括以下步骤： 步骤S21：数据拓展，所有数据单元均通过样条插值法进行维度扩展，使输入矩阵即测井曲线的维度超过原始特征数量； 步骤S22：SNR估计子网络处理，通过SNR估计子网络计算噪声参数： ； 式中，代表测井曲线，FFT代表快速傅里叶变换处理，即将测井曲线看做时序数据进行频谱提取，代表全局平均池化，代表两层全连接网络的多层感知机处理，即代表噪声参数； 步骤S23：适应小波阈值去噪，当测井曲线的噪声参数小于0dB时，采用软阈值函数对测井曲线进行去噪处理，得到去噪测井曲线； 步骤S24：自适应旋转增强，对噪声参数大于0dB的测井曲线进行自适应旋转增强，得到增强测井曲线； 步骤S25：拼接输出，对去噪测井曲线与增强测井曲线按照原有的顺序进行拼接，得到优化测井曲线； 步骤S3：特征提取，对优化测井曲线进行编码处理，得到编码特征； 步骤S4：特征优化，对编码特征进行优化处理，得到优化特征，具体包括以下步骤： 步骤S41：编码特征自适应分组增强，得到增强编码特征； 步骤S42：相位敏感多尺度卷积，通过相位敏感多尺度卷积显式提取优化测井曲线的相位关系特征，得到相位优化编码特征； 步骤S43：双向时序-角度注意力融合，基于注意力机制与双向LSTM层对增强编码特征与相位优化编码特征进行双向时序-角度注意力融合，得到优化特征，具体包括以下步骤： 步骤S431：双向LSTM编码，对增强编码特征与相位优化编码特征融合后进行双向LSTM编码，得到前向编码与后向编码； 步骤S432：前向角度注意力系数计算，使用注意力机制计算前向编码的查询、键和值，并根据查询、键和值使用改进的角度相似度函数计算前向角度注意力系数与前向角距离高斯核参数： ； ； 式中，分别代表查询、键和值，代表可学习带宽参数，，代表深度卷积，代表前向角距离高斯核参数，代表前向角度注意力系数； 步骤S433：后向角度注意力系数计算，重复步骤S432，计算后向角度注意力系数与后向角距离高斯核参数； 步骤S434：双向融合，根据前向角度注意力系数与后向角度注意力系数分别求取前向特征与后向特征，并根据前向角距离高斯核参数与后向角距离高斯核参数计算融合参数，根据融合参数对前向特征与后向特征进行融合，得到优化特征； 步骤S5：岩性识别，对优化特征进行激活输出，得到激活系数，对激活系数设置阈值，不同阈值之间的激活系数对应不同的岩性分类，即岩性识别结果。

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成都理工大学，其通讯地址为：610059 四川省成都市成华区二仙桥东三路1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。