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！

龙图腾网获悉哈尔滨工业大学申请的专利基于时频分析和深度学习的地震相位拾取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：CN119620182B 。

龙图腾网通过国家知识产权局官网在2026-04-28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：202411801323.0，技术领域涉及：G01V1/30；该发明授权基于时频分析和深度学习的地震相位拾取方法是由籍多发;方文吉;翟长海;李晨曦设计研发完成，并于2024-12-09向国家知识产权局提交的专利申请。

本基于时频分析和深度学习的地震相位拾取方法在说明书摘要公布了：本发明涉及基于时频分析和深度学习的地震相位拾取方法，属于地震学领域，建立包含经验模态分解模块、残差收缩模块、LSTM层、transformer层、上采样层和卷积层的深度神经网络，采用线性整流函数为激活函数，采用Adam自适应优化函数进行反向传播，将二元交叉熵损失函数作为损失函数，以平均绝对误差函数、误差标准差、精确率、召回率和F1分数为评价指标，得到深度神经网络模型。在噪声、P波和S波的频率存在差异时，经验模态分解能有有效地将三者分离开，从而帮助网络更好地识别P波和S波。即使是对于宽频带噪声，噪声也会被分解到不同的本征模态函数中，从而降低了P波和S波所在的本征模态函数中的噪声含量。这种时频分析方法能够有效地提高网络的抗噪能力。

本发明授权基于时频分析和深度学习的地震相位拾取方法在权利要求书中公布了：1.一种基于时频分析和深度学习的地震相位拾取方法，其特征在于，包括以下步骤： 步骤一、收集地震动记录，建立数据集： 选取已知的地震动数据，将地震动数据中P波和S波拾取到时作为地震记录对应的标签值，得到震相拾取数据集； 步骤二、建立结合经验模态分解模块的深度神经网络模型： 深度神经网络由一个编码器和一个解码器组成，编码器的第一部分为经验模态分解模块，将地震动分解为多个本征模态函数，每个本征模态函数代表地震动中的不同频率的分量；第二部分是由多个残差收缩模块串联组成，残差收缩模块是在传统残差模块的基础上添加了一个软阈值函数，用于滤除背景噪声；第三部分是两个长短时记忆层，用于提取时间上的上下文信息；第四部分为transformer模块，基于注意力机制给序列中的不同位置分配权重，以放大关键部分特征； 编码器中添加了4个最大池化层来降低输入的长度；编码器包括1个经验模态分解模块、8个残差收缩模块、4个最大池化层、2个LSTM层和1个transformer层；经验模态分解模块、第一残差收缩模块、第一最大池化层、第二残差收缩模块、第二最大池化层、第三残差收缩模块、第三最大池化层、第四残差收缩模块、第四最大池化层、第五残差收缩模块、第六残差收缩模块、第七残差收缩模块、第八残差收缩模块、第一LSTM层、第二LSTM层和transformer层依次连接； 解码器由多个上采样层和卷积层构成，将特征图扩充到与输入一致的长度； 步骤三、深度神经网络模型训练： 对深度神经网络进行训练，以损失函数和平均绝对误差函数保证训练精度，使得损失函数逐步下降，得到训练后的深度神经网络模型；对深度神经网络模型进行训练，对训练数据进行了数据增强，包括记录随机平移和添加高斯白噪声；数据增强的方法包括按照99%的概率对记录进行随机平移，按照50%的概率向记录中添加零均值、标准差为0.01～0.15倍记录最大幅值的高斯白噪声； 步骤四、地震相位拾取： 将三分量地震动记录输入步骤三训练后的深度神经网络模型，输出对应于P波和S波的概率序列，找到概率序列最大值所在位置，从而实现震相拾取。

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哈尔滨工业大学，其通讯地址为：150006 黑龙江省哈尔滨市南岗区西大直街92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。