買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉成都理工大學申請的專利一種基于改進生成對抗網絡的地震去噪方法及系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN120103482B 。

龍圖騰網通過國家知識產權局官網在2025-08-15發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510158867.8，技術領域涉及：G01V1/36；該發明授權一種基于改進生成對抗網絡的地震去噪方法及系統是由吳昊;顏宇昕;文曉濤;潘曉設計研發完成，并于2025-02-13向國家知識產權局提交的專利申請。

本一種基于改進生成對抗網絡的地震去噪方法及系統在說明書摘要公布了：本發明公開了一種基于改進生成對抗網絡的地震去噪方法及系統，用于地震去噪，屬于油氣勘探及地震資料處理領域，解決現有的生成對抗網絡進行地震去噪時運行速度慢和無法充分提取地震記錄特征的問題。本發明對無噪地震數據進行切片并加入高斯噪聲制作數據集；將含噪數據輸入生成器，讓其提取特征，生成去噪后的地震數據；將真實數據輸入判別器，讓其判斷生成器生成的去噪地震數據與無噪地震數據的相似度，隨后返回一個概率值，指示地震數據是否為真實的地震數據，判別器返回判別的結果到生成器中，優化生成器，如此進行對抗訓練，訓練完成后保存模型權重；使用訓練完成的模型對輸入含噪的地震數據進行去噪處理，輸出去噪后的地震數據。本發明用于地震數據噪聲去除。

本發明授權一種基于改進生成對抗網絡的地震去噪方法及系統在權利要求書中公布了：1.一種基于改進生成對抗網絡的地震去噪方法，包括如下步驟： 步驟1：將地震炮集數據制作用于地震記錄去噪的數據集； 步驟2：構建生成對抗網絡模型并進行對抗訓練，具體包括： 生成器的訓練：將含噪數據輸入生成器，通過卷積層、多個NAFB模塊處理，生成初步去噪地震數據； 判別器的訓練：將真實無噪數據與生成器輸出的去噪數據輸入判別器，判別器通過多級NAFB模塊提取特征并計算兩者為真實數據的概率； 基于判別器輸出的概率對生成器和判別器進行交替優化，完成對抗訓練并保存模型權重； 步驟3：使用訓練完成的模型對輸入含噪的地震數據進行去噪處理，輸出去噪后的地震數據； 所述步驟2中生成器的處理流程包括： 所述生成器的網絡結構包含：初步卷積層、批歸一化層、NAFB模塊及最終卷積輸出層； 所述NAFB模塊的處理過程包括： a特征擴展層：由1×1卷積核構成的通道擴展單元，用于提升輸入特征圖的通道維度，為后續的深度特征提取提供更多信息； b深度特征提取層：接續的3×3深度可分離卷積核，進行空間特征提取； c門控交互層SimpleGate：將前級特征圖分成兩部分，然后進行逐元素相乘來實現對特征圖的交互； d動態加權層：通過通道注意力機制對特征通道進行重要性重校準，其中包括： 全局特征統計模塊：通過一個全局池化層對輸入特征的每個通道進行全局平均池化，得到每個通道的平均值； 權重生成模塊：由1×1卷積模塊來生成反應每個通道對任務貢獻度的權重； e殘差融合層：將原始輸入特征圖與處理后的特征圖進行加權求和，用于融合原始輸入與處理后的特征，其中包括： 殘差連接：原始輸入特征與經過處理的特征進行加權求和，保留原始特征圖的信息； 融合后特征處理：通過兩個卷積層對融合后的特征進行處理，中間含有一個SimpleGate； 最終殘差融合：處理后的特征與輸入特征再次進行加權求和； 所述步驟2中判別器的處理流程包括： 所述判別器的網絡包含：初步卷積下采樣層、至少4個串聯的NAFB模塊、結果輸出層； 結果輸出層包含：全局平均池化層、線性層以及sigmoid層； 輸入數據通過初步卷積下采樣層在提取初級空間特征的同時將空間分辨率縮減至14，并通過增加通道數為后續處理提供多維特征表達； 隨后，至少4個串聯的NAFB模塊依次對特征進行深度加工，每個NAFB模塊內部分別通過特征擴展、SimpleGate交互和通道注意力完成非線性特征變換，同時在NAFB模塊間通過卷積逐步下采樣，使特征圖尺寸逐級縮小、通道數遞增，逐步聚焦于低頻與全局結構特征； 最后，特征圖通過結果輸出層，其中包含： 經過全局平均池化層將最終的高維特征圖壓縮為單一通道的全局特征向量，保留關鍵統計信息并消除冗余空間細節； 線性層將全局向量映射至一維概率值，通過Sigmoid函數輸出輸入數據為真實無噪數據的置信度。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人成都理工大學，其通訊地址為：610000 四川省成都市二仙橋東三路1號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。