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！

龙图腾网获悉青岛黄海学院申请的专利基于改进卷积自编码网络的地震数据面波压制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：CN117169954B 。

龙图腾网通过国家知识产权局官网在2026-05-12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：202310907554.9，技术领域涉及：G01V1/28；该发明授权基于改进卷积自编码网络的地震数据面波压制方法是由王姣;王林霖;刘培学;陈玉杰;王中训设计研发完成，并于2023-07-24向国家知识产权局提交的专利申请。

本基于改进卷积自编码网络的地震数据面波压制方法在说明书摘要公布了：本发明提供了基于改进卷积自编码网络的地震数据面波压制方法，包括：S1、将含面波地震数据与不含面波地震数据进行道头信息剥离，同时按炮进行数据分离，设置数据大小，得到N对地震数据样本；S2、将得到的N对地震数据样本进行对应匹配，得到需要的改进卷积自编码网络模型的数据样本，其中随机挑选n1对数据作为验证集，剩余n2对数据作为训练集进行实验；S3、首先选择自编码网络作为基础网络框架，向自编码网络输入含面波的地震数据，输出去除面波的地震数据，得到含面波地震数据到无面波地震数据的网络模型映射；S4、基础网络模型搭建完毕，进行对网络模型的优化操作。实现对地震数据面波噪声的自适应智能去噪。

本发明授权基于改进卷积自编码网络的地震数据面波压制方法在权利要求书中公布了：1.基于改进卷积自编码网络的地震数据面波压制方法，其特征在于，包括以下步骤： S1、将含面波地震数据与不含面波地震数据进行道头信息剥离，同时按炮进行数据分离，设置数据大小，得到N对地震数据样本； S2、将得到的N对地震数据样本进行对应匹配，得到需要的改进卷积自编码网络模型的数据样本，其中随机挑选n1对数据作为验证集，剩余n2对数据作为训练集进行实验； S3、首先选择自编码网络作为基础网络框架，向自编码网络输入含面波的地震数据，输出去除面波的地震数据，得到含面波地震数据到无面波地震数据的网络模型映射； S4、基础网络模型搭建完毕，进行对网络模型的优化操作： 1、采用卷积层对基础网络模型进行改进： 将卷积层与激活函数构成一个编码单元，反卷积层与激活函数构成一个解码单元，若干个编码单元与一一对应的解码单元组成完整的改进卷积自编码网络； 2、利用激活函数对卷积自编码网络模型的激活层进行改进，使数据在不同网络层间传递过程中保证非线性传递： 改进卷积自编码网络使用Swish函数，Swish函数是平滑且非单调的函数，无上界有下界，导数恒大于0； 3、对网络模型的网络层进行改进后，然后对网络模型的损失函数进行改进： 在改进卷积自编码网络中使用二元交叉熵损失函数： 公式1中，xi代表网络训练后得到的预测数据，yi代表原始数据，计算预测数据和原始数据对应点误差的平方和的均值判断网络训练效果；公式2中，xi代表网络训练得到的标签值，pxi代表xi标签值出现的概率，qxi代表真实数据下xi标签值出现的概率；二元交叉熵损失函数代表两个概率分布之间的距离，二元交叉熵值越小，两个概率分布越接近，网络训练的效果越好； 4、网络模型利用损失函数更新网络的链接权重，故对链接权重更新的方法进行改进： 改进卷积自编码网络使用自适应时刻估计方法函数，其利用动量减小陷入局部最小值的可能性；同时，其对每个可学习的参数使用单独的学习率，并且学习率随每个参数在训练期间的变化而变化，以提升网络的训练效果： 公式3中，mt代表第一个时刻的梯度平均值，vt代表第二个时刻的梯度方差，θt代表前一个时刻的参数，θt+1代表代表后一个时刻的参数，η、∈为可设定系数值； 5、将准备好的训练集样本n2对数据导入改进卷积自编码网络模型中进行网络训练，将每次训练好的网络模型进行存储； 6、对存储的多个网络模型进行逐个测试，输入含面波地震数据，得到去除面波的地震数据，对得到的去除面波地震数据进行多角度结果分析，综合分析得到多个网络模型中最优的一个； 7、利用所选最优的已完成训练网络模型，在验证集n1对含面波地震数据上进行迁移应用验证。

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青岛黄海学院，其通讯地址为：266427 山东省青岛市黄岛区灵海路1145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。