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多频率数据体的地震波形分类计算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：CN120254947B 。

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：202510361555.7，技术领域涉及：G01V1/28；该发明授权一种基于多频率数据体的地震波形分类计算方法是由熊晓军;姜新泽;王朝;张本健;周刚;钟原设计研发完成，并于2025-03-26向国家知识产权局提交的专利申请。

本一种基于多频率数据体的地震波形分类计算方法在说明书摘要公布了：本发明涉及一种基于多频率数据体的地震波形分类计算方法，隶属油气田勘探、页岩气勘探、地热勘探等能源勘探领域的优质储集层预测技术领域，该方法首先基于研究区目的层段三维地震数据，采用时频分析方法计算低频、中频、高频等3个共频率数据体，再针对3个共频率数据体依次开展基于神经网络训练的波形聚类分析方法进行地震波形的二分分析，将研究区划分为8个子区域，然后采用原数据体进行8个子区域的波形整体相关分析与合并，最后采用不同的色标代表子区域的数值，绘图，采用图像表征波形分类成果。

本发明授权一种基于多频率数据体的地震波形分类计算方法在权利要求书中公布了：1.一种基于多频率数据体的地震波形分类计算方法的具体步骤包括： 步骤1，输入研究区目的层段的三维地震数据，记为数组Ax,y,t； 步骤2，对数组Ax,y,t采用傅里叶变换分析方法计算主频，记为Fmain； 步骤3，采用时频小波变换方法对数组Ax,y,t进行时频分析，得到时频分析数组AWx,y,t,f； 步骤4，提取3个不同频率的共频率数据体， 步骤4-1，记第1个共频率数据体的频率为f1，记第2个共频率数据体的频率为f2，记第3个共频率数据体的频率为f3， f1=intFmain-Fmain3，f2=intFmain，f3=intFmain+Fmain3 步骤4-2，从步骤3的时频分析数组AWx,y,t,f中提取3个共频率数据体，AWx,y,t,f1，AWx,y,t,f2，AWx,y,t,f3，由于f1，f2，f3是固定值，数组AWx,y,t,f1，AWx,y,t,f2，AWx,y,t,f3为3维数组，记AW_lowx,y,t=AWx,y,t,f1，AW_medx,y,t=AWx,y,t,f2，AW_higx,y,t=AWx,y,t,f3； 步骤5，采用数组AW_lowx,y,t进行全区域波形的二分分析， 步骤5-1，对数组AW_lowx,y,t采用三维保边去噪方法进行去噪处理，去噪处理后的数值记为AW_low_nx,y,t， 步骤5-2，对数组AW_low_nx,y,t，在时间t方向，采用基于神经网络训练的波形聚类分析方法，开展波形聚类分析，波形分类数设定为2，将分类结果记为Wave1x,y，数组Wave1x,y采用2个数值，1或2，代表2类波形； 步骤6，采用数组AW_medx,y,t进行分区域波形的二分分析， 步骤6-1，对数组AW_medx,y,t采用三维保边去噪方法进行去噪处理，去噪处理后的数值记为AW_med_nx,y,t， 步骤6-2，提取Wave1x,y=1的区域，针对该区域，采用数组AW_med_nx,y,t，在时间t方向，采用基于神经网络训练的波形聚类分析方法，开展波形聚类分析，波形分类数设定为2，将分类结果记为Wave1_1x,y，数组Wave1_1采用2个数值，11或12，代表2类波形， 步骤6-3，提取Wave1x,y=2的区域，针对该区域，采用数组AW_med_nx,y,t，在时间t方向，采用基于神经网络训练的波形聚类分析方法，开展波形聚类分析，波形分类数设定为2，将分类结果记为Wave1_2x,y，数组Wave1_2采用2个数值，21或22，代表2类波形； 步骤7，采用数组AW_higx,y,t进行分区域波形的二分分析， 步骤7-1，对数组AW_higx,y,t采用三维保边去噪方法进行去噪处理，去噪处理后的数值记为AW_hig_nx,y,t， 步骤7-2，提取Wave1_1x,y=11的区域，针对该区域，采用数组AW_hig_nx,y,t，在时间t方向，采用基于神经网络训练的波形聚类分析方法，开展波形聚类分析，波形分类数设定为2，将分类结果记为Wave1_1_1x,y，数组Wave1_1_1采用2个数值，111或112，代表2类波形， 步骤7-3，提取Wave1_1x,y=12的区域，针对该区域，采用数组AW_hig_nx,y,t，在时间t方向，采用基于神经网络训练的波形聚类分析方法，开展波形聚类分析，波形分类数设定为2，将分类结果记为Wave1_1_2x,y，数组Wave1_1_2采用2个数值，121或122，代表2类波形， 步骤7-4，提取Wave1_2x,y=21的区域，针对该区域，采用数组AW_hig_nx,y,t，在时间t方向，采用基于神经网络训练的波形聚类分析方法，开展波形聚类分析，波形分类数设定为2，将分类结果记为Wave1_2_1x,y，数组Wave1_2_1采用2个数值，211或212，代表2类波形， 步骤7-5，提取Wave1_2x,y=22的区域，针对该区域，采用数组AW_hig_nx,y,t，在时间t方向，采用基于神经网络训练的波形聚类分析方法，开展波形聚类分析，波形分类数设定为2，将分类结果记为Wave1_2_2x,y，数组Wave1_2_2采用2个数值，221或222，代表2类波形； 步骤8，合并步骤7得到的8个区域，记为Wave0x,y，数组Wave0x,y有8个数值111,112,121,122,211,212,221,222，分别对应步骤7的8个区域； 步骤9，基于步骤1的Ax,y,t和步骤8的Wave0x,y，将Ax,y,t划分为8个子区域，采用协方差矩阵分析方法计算8个子区域之间的相关系数，将相关系数大于0.9的子区域进行合并，并更新Wave0x,y的值； 步骤10，输出Wave0x,y数组，并采用不同的色标代表数组Wave0x,y的数值，绘图，采用图像表征最后的波形分类成果。

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：610000 四川省成都市二仙桥东三路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。