CN104280765B - 基于变子波反射系数反演的地震高分辨处理方法 - Google Patents
基于变子波反射系数反演的地震高分辨处理方法 Download PDFInfo
- Publication number
- CN104280765B CN104280765B CN201310291746.8A CN201310291746A CN104280765B CN 104280765 B CN104280765 B CN 104280765B CN 201310291746 A CN201310291746 A CN 201310291746A CN 104280765 B CN104280765 B CN 104280765B
- Authority
- CN
- China
- Prior art keywords
- wavelet
- formula
- reflection coefficient
- earthquake
- frequency
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Abstract
本发明为基于变子波反射系数反演的地震高分辨处理方法,所述处理方法为拓展地震记录的频带的方法,用于提高地震记录的时间分辨率;处理方法包括先根据地震记录提取浅层地震子波、子波时间域长度;设定时窗并提取每个时窗内的瞬时子波;再通过时间域的子波褶积模型建立频率域的变子波褶积模型;对每一道地震记录,将所述瞬时子波和变子波褶积模型建立模型参数,反演出反射系数;最后将初始提取的浅层地震子波与反射系数褶积处理,获取频带拓宽的地震记录;本发明拓宽了地震的频带范围,并显著提高了地震的时间分辨率,提升了地震勘探工作的精度,为精细地震勘探,降低石油勘探风险提供技术基础。
Description
技术领域
本发明涉及石油天然气地球物理勘探中的地震资料优化方法,尤其涉及基于变子波反射系数反演的地震高分辨处理方法。
背景技术
随着油气勘探的不断深入,很多储集体,特别是地层的储集体体积较小,识别上述储集体则必须提高地震的分辨率。
常用的提高地震时间分辨率的方法有反褶积处理,地震谱白化处理,以及频率域拓频处理技术。上述方法都是在地震资料的有限频带内增加地震的频率成分,而地震频带的带宽却没有拓宽。
近年来出现的地震谱反演方法是基于地震记录的褶积模型反演反射系数,现有的反射系数反演大多基于静态的褶积的模型,实际上大地是个滤波器,地震波在传播的过程中会经受吸收衰减的影响,不同介质的吸收作用又是不同的,因此基于地震波吸收衰减的地震波传播模型更符合实际,这种模型比静态褶积模型更精确地反应地震波在地下的传播规律。
因此,在如何通过拓宽地震频带来提高地震分辨率的问题上,仍然存在很大的研发空间。
发明内容
本发明为解决现有技术中,地震分辨率的表示精度较低的问题,提供了一种基于变子波反射系数反演的地震高分辨处理方法。
本发明的技术方案如下;
基于变子波反射系数反演的地震高分辨处理方法,所述处理方法为拓展地震记录的频带的方法,用于提高地震记录的时间分辨率;处理方法包括先根据地震记录提取浅层地震子波、子波时间域长度;设定时窗并提取每个时窗内的瞬时子波;再通过时间域的子波褶积模型建立频率域的变子波褶积模型;对每一道地震记录,将所述瞬时子波和变子波褶积模型建立模型参数,反演出反射系数;最后将初始提取的浅层地震子波与反射系数褶积处理,获取频带拓宽的地震记录。
所述处理方法的具体步骤为,
步骤1,获取浅层地震资料;
步骤2,获取浅层地震子波以及浅层地震子波时间域长度:
步骤3,设置时窗:
以所述步骤2的浅层地震子波时间域长度的1.5~2倍设置时窗,将地震记录按所述时窗长度均匀分段;
步骤4:提取瞬时子波:
设各所述时窗内地震记录的平滑振幅谱为利用公式(1)提取所述步骤3中每个所述时窗内的变子波,即提取每个所述时窗内中心时刻的瞬时子波,提取过程如公式1所示;
其中,ifft为反傅立叶变换算子,Ti为所述地震道上的第i个时窗;
时窗内的变子波通常为最小相位子波,零相位子波以及混合相位子波,常用的是零相位子波和最小相位子波。
步骤5,建立频率域的变子波褶积模型:
步骤5-1,分解反射系数脉冲序列:
设反射系数序列为a(k),k=0,1,2...K,将所述反射系数序列a(k)分解为K个脉冲之和,分解过程如公式2所示:
其中a1,a2,....aK为各反射系数的值;
步骤5-2,建立时间域的子波褶积模型,如公式3所示:
其中,s(t)为褶积后的地震记录,w(t)为子波,ai(t)为反射系数分解后的点脉冲序列;
步骤5-3,建立时间域的变子波褶积模型:
将所述公式3中的子波w(t)推广为变子波wi(t)的表述形式,即将静态褶积模型推广为动态褶积模型;
建立时间域的变子波褶积模型,如公式4所示:
其中,wi(t)为变子波,ai(t)为反射系数分解后的点脉冲序列;
公式3中每一个点脉冲序列ai(t)对应的子波w(t)是相同的,而公式4中每一个点脉冲序列ai(t)对应的变子波wi(t)是不同的。
步骤5-4,建立频率域的变子波褶积模型:
对每个所述反射系数分解后的点脉冲序列ai(t)做傅里叶变换,获取ai(t)的频率域表达式,如公式5所示:
其中,F为傅立叶算子,ti为脉冲位置对应的时间,f为频率,f的取值范围是[f1,fN];
对所述变子波wi(t)做傅里叶变换,获取所述变子波wi(t)的频率域表达式,如公式6所示,
F[wi(t)]=wi(f) 6;
其中,F为傅立叶算子,f为频率,其取值范围是[f1,fN];
通过将所述公式4、公式5、公式6建立所述变子波wi(t)的频率域褶积模型,如公式7所示:
其中,s(f)为某一道地震数据的频率域表达式,wi(f)为变子波的频率域表达式;
与所述公式(7)对应的矩阵表达式如所述公式(8)所示:
8;
其中,a1,a2,.....aI为未知量即地震的反射系数;
步骤6,求取各时间样点的反射系数:
通过所述步骤4获取的瞬时子波、所述步骤5-4获取的频率域的变子波褶积模型以及所述公式8建立方程,通过反演操作方法获取每个时间样点的反射系数;
步骤7,获取频带拓宽的地震记录:
将所述步骤6获取的反射系数以及所述步骤2获取的浅层地震子波做褶积处理,获取频带拓宽的地震记录。
深层地震时间分辨率下降的原因是深层子波发生频谱上的衰减,而浅层的地震子认为是没有衰减的,因此叠后地震数据提频的方法是将浅层的子波与步骤6中反演出的反射系数褶积,得到一个高分辨率的地震数据。
在具体实施中:
所述步骤1中,截取地层深度0~500米范围内的地震记录,即获取所述浅层地震记录,采样间隔为2ms,所述浅层地震记录的时间域长度为30~40ms,优选为30ms。
所述步骤2中,获取浅层地震子波以及浅层地震子波时间域长度的过程是:
对所述浅层地震资料或井资料做傅里叶变换,获取所述浅层地震资料的频谱;对所述浅层地震资料的频谱做滤波处理,并对滤波处理后的频谱做反傅里叶变换,提取反傅里叶变换结果的实部,即得到浅层地震子波和浅层地震子波时间域长度。
大地滤波与深度有关,一般情况下,如果只考虑地表一致性衰减不考虑流体等的异常衰减,浅层的子波可以认为是没有衰减的初始子波,浅层的标致层可以观察到子波的时间域长度。子波谱相对比较平滑,反射系数谱则相对“杂乱”,因此对时窗内地震记录谱做平滑处理后可以估计出子波的振幅谱。
所述步骤3中,所述时窗的长度为所述子波时间域长度的2倍;
所述步骤5中,所述反演操作方法为粒子群优化算法、遗传算法或者稀疏贝叶斯学习算法中的其中一种。
常规的对地震数据的提频方法大多是人为地抬高地震频谱的高频成分从而达到提高地震时间分辨率的目的;而本发明是在反演出的反射系数基础上做的带通滤波处理,带通滤波器为浅层估计出的子波,这种滤波器忠实于真实的地震采集情况;其次,对反射系数的滤波不仅仅抬高了地震的高频成分更重要的是拓宽了地震的频带范围,包括低频范围和高频范围,为精细地震勘探,降低石油勘探风险提供技术基础。
附图说明
图1为本发明的基于变子波反射系数反演的地震高分辨处理方法的流程图;
图2为原始的地震剖面示意图;
图3为采用本发明的处理方法处理后的地震剖面示意图;
图4为图1中第200道地震数据的频谱;
图5为图2中第200道地震数据的频谱;
具体实施方式
如图1所示,基于变子波反射系数反演的地震高分辨处理方法,所述方法的具体步骤为,
步骤1,获取浅层地震资料;
截取地层深度0~500米范围内的地震记录,即获取所述浅层地震记录,采样间隔为2ms,所述浅层地震记录的时间域长度为30ms。
步骤2,获取浅层地震子波以及浅层地震子波时间域长度:
对所述浅层地震资料或井资料做傅里叶变换,获取所述浅层地震资料的频谱;对所述浅层地震资料的频谱做滤波处理,并对滤波处理后的频谱做反傅里叶变换,提取反傅里叶变换结果的实部,即得到浅层地震子波和浅层地震子波时间域长度。
步骤3,设置时窗:
以浅层地震子波时间域长度的2倍设置时窗,将地震记录按所述时窗的时间域长度均匀分段;
步骤4:提取瞬时子波:
设各所述时窗内地震记录的平滑振幅谱为利用公式1提取所述步骤3中每个所述时窗内的变子波,即提取每个所述时窗内中心时刻的瞬时子波,提取过程如公式1所示;
其中,ifft为反傅立叶变换算子,Ti为所述地震道上的第i个时窗;
时窗内的子波零相位子波。
步骤5,建立频率域的变子波褶积模型:
步骤5-1,分解反射系数脉冲序列:
设反射系数序列为a(k),k=0,1,2...K,将所述反射系数序列a(k)分解为K个脉冲之和,分解过程如公式2所示:
其中a1,a2,....aK为各反射系数的值;
步骤5-2,建立时间域的子波褶积模型,如公式3所示:
其中,s(t)为褶积后的地震记录,w(t)为子波,ai(t)为反射系数分解后的点脉冲序列;
步骤5-3,建立时间域的变子波褶积模型:
将所述公式3中的子波w(t)推广为变子波wi(t)的表述形式,即将静态褶积模型推广为动态褶积模型;
建立时间域的变子波褶积模型,如公式4所示:
其中,wi(t)为变子波,ai(t)为反射系数分解后的点脉冲序列;
步骤5-4,建立频率域的变子波褶积模型:
对每个所述反射系数分解后的点脉冲序列ai(t)做傅里叶变换,获取ai(t)的频率域表达式,如公式5所示:
其中,F为傅立叶算子,ti为脉冲位置对应的时间,f为频率,f的取值范围是[f1,fN];
对所述变子波wi(t)做傅里叶变换,获取所述变子波wi(t)的频率域表达式,如公式6所示,
F[wi(t)]=wi(f) 6;
其中,F为傅立叶算子,f为频率,其取值范围是[f1,fN];
将所述公式5和公式6带入公式4,建立所述变子波wi(t)的频率域褶积模型,如公式7所示:
其中,s(f)为某一道地震数据的频率域表达式,wi(f)为变子波的频率域表达式;
与所述公式(7)对应的矩阵表达式如所述公式(8)所示:
8;
其中,a1,a2,.....aI为未知量即地震的反射系数;
步骤6,求取各时间样点的反射系数:
通过所述步骤4获取的瞬时子波、所述步骤5-4获取的频率域的变子波褶积模型以及所述公式8建立方程,通过稀疏贝叶斯学习算法获取每个时间样点的反射系数;
步骤7,获取频带拓宽的地震记录:
将所述步骤6获取的反射系数以及所述步骤2获取的浅层地震子波做褶积处理,获取频带拓宽的地震记录。
如图2所示的省略浅层的原始地震剖面,深层地震波形的衰减很明显,时间分辨率下降;
如图3所示,经过上述方法处理后,与图2相比,图3中椭圆内的地震同相轴可以看出地震时间分辨率明显得到了提高;
图4和图5是分别选取图2、图3地震剖面第200道地震数据的频谱,对比频谱可以观察到,拓频后的地震数据频谱得到了明显的拓展,比如图4、图5椭圆内的部分。
上述技术方案只是本发明的一种实施方式,对于本领域内的技术人员而言,在本发明公开了应用方法和原理的基础上,很容易做出各种类型的改进,而不仅限于本发明上述具体实施方式所描述的方式,因此前面描述的方式只是优选地,而并不具有限制性的意义。
Claims (6)
1.基于变子波反射系数反演的地震高分辨处理方法,其特征在于:
所述处理方法为拓展地震记录的频带的方法,用于提高地震记录的时间分辨率;处理方法包括先根据地震记录提取浅层地震子波、子波时间域长度;设定时窗并提取每个时窗内的瞬时子波;再通过时间域的子波褶积模型建立频率域的变子波褶积模型;对每一道地震记录,将所述瞬时子波和变子波褶积模型建立模型参数,反演出反射系数;最后将初始提取的浅层地震子波与反射系数褶积处理,获取频带拓宽的地震记录;
所述瞬时子波的提取:设各所述时窗内地震记录的平滑振幅谱为利用公式(1)提取每个所述时窗内的变子波,即提取每个所述时窗内中心时刻的瞬时子波;
其中,ifft为反傅立叶变换算子,Ti为所述地震道上的第i个时窗;
所述建立频率域的变子波褶积模型包括以下步骤:
1)分解反射系数脉冲序列:设反射系数序列为a(k),k=0,1,2...K,将所述反射系数序列a(k)分解为K个脉冲之和,分解过程如公式(2)所示:
其中a1,a2,....aK为各反射系数的值;
2)建立子波的时间域褶积模型,如公式(3)所示:
其中,s(t)为褶积后的地震记录,w(t)为子波,ai(t)为反射系数分解后的点脉冲序列;
3)建立变子波的时间域褶积模型:将所述公式(3)中的子波w(t)推广为变子波wi(t)的表述形式,建立变子波的时间域褶积模型,如公式(4)所示:
其中,wi(t)为变子波,ai(t)为反射系数分解后的点脉冲序列;
4)建立变子波的频率域褶积模型:对每个所述反射系数分解后的点脉冲序列ai(t)做傅里叶变换,获取ai(t)的频率域表达式,如公式(5)所示:
其中,F为傅立叶算子,ti为脉冲位置对应的时间,f为频率,f的取值范围是[f1,fN];
对所述变子波wi(t)做傅里叶变换,获取所述变子波wi(t)的频率域表达式,如公式(6)所示,
F[wi(t)]=wi(f) (6);
其中,F为傅立叶算子,f为频率,其取值范围是[f1,fN];
通过所述公式(4)、公式(5)、公式(6)建立所述变子波wi(t)的频率域褶积模型,如公式(7)所示:
其中,s(f)为某一道地震数据的频率域表达式,wi(f)为变子波的频率域表达式;
与所述公式(7)对应的矩阵表达式如所述公式(8)所示:
其中,a1,a2,.....aI为未知量即地震的反射系数。
2.根据权利要求1所述的基于变子波反射系数反演的地震高分辨处理方法,其特征在于:
所述处理方法的具体步骤为,
步骤1,获取浅层地震资料;
步骤2,获取浅层地震子波以及浅层地震子波时间域长度:
步骤3,设置时窗:
以浅层地震子波时间域长度的1.5~2倍设置时窗,将地震记录按所述时窗长度均匀分段;
步骤4:提取瞬时子波:
设各所述时窗内地震记录的平滑振幅谱为利用公式(1)提取所述步骤3中每个所述时窗内的变子波,即提取每个所述时窗内中心时刻的瞬时子波;
其中,ifft为反傅立叶变换算子,Ti为所述地震道上的第i个时窗;
步骤5,建立频率域的变子波褶积模型:
步骤5-1,分解反射系数脉冲序列:
设反射系数序列为a(k),k=0,1,2...K,将所述反射系数序列a(k)分解为K个脉冲之和,分解过程如公式(2)所示:
其中a1,a2,....aK为各反射系数的值;
步骤5-2,建立子波的时间域褶积模型,如公式(3)所示:
其中,s(t)为褶积后的地震记录,w(t)为子波,ai(t)为反射系数分解后的点脉冲序列;
步骤5-3,建立变子波的时间域褶积模型:
将所述公式(3)中的子波w(t)推广为变子波wi(t)的表述形式,建立变子波的时间域褶积模型,如公式(4)所示:
其中,wi(t)为变子波,ai(t)为反射系数分解后的点脉冲序列;
步骤5-4,建立变子波的频率域褶积模型:
对每个所述反射系数分解后的点脉冲序列ai(t)做傅里叶变换,获取ai(t)的频率域表达式,如公式(5)所示:
其中,F为傅立叶算子,ti为脉冲位置对应的时间,f为频率,f的取值范围是[f1,fN];
对所述变子波wi(t)做傅里叶变换,获取所述变子波wi(t)的频率域表达式,如公式(6)所示,
F[wi(t)]=wi(f) (6);
其中,F为傅立叶算子,f为频率,其取值范围是[f1,fN];
通过所述公式(4)、公式(5)、公式(6)建立所述变子波wi(t)的频率域褶积模型,如公式(7)所示:
其中,s(f)为某一道地震数据的频率域表达式,wi(f)为变子波的频率域表达式;
与所述公式(7)对应的矩阵表达式如所述公式(8)所示:
其中,a1,a2,.....aI为未知量即地震的反射系数;
步骤6,求取各时间样点的反射系数:
通过所述步骤4获取的瞬时子波、所述步骤5-4获取的频率域的变子波褶积模型以及所述公式(8)建立方程,通过反演操作方法获取每个时间样点的反射系数;
步骤7,获取频带拓宽的地震记录:
将所述步骤6获取的反射系数以及所述步骤2获取的浅层地震子波做褶积处理,获取频带拓宽的地震记录。
3.根据权利要求2所述的基于变子波反射系数反演的地震高分辨处理方法,其特征在于:
所述步骤1中,截取地层深度0~500米范围内的地震记录,即获取所述浅层地震记录,采样间隔为2ms,所述浅层地震记录的时间域长度为30~40ms。
4.根据权利要求2所述的基于变子波反射系数反演的地震高分辨处理方法,其特征在于:
所述步骤2中,获取浅层地震子波以及浅层地震子波时间域长度的过程是:
对所述浅层地震资料或井资料做傅里叶变换,获取所述浅层地震资料的频谱;对所述浅层地震资料的频谱做滤波处理,并对滤波处理后的频谱做反傅里叶变换,提取反傅里叶变换结果的实部,即得到浅层地震子波和浅层地震子波时间域长度。
5.根据权利要求2所述的基于变子波反射系数反演的地震高分辨处理方法,其特征在于:
所述步骤3中,所述时窗的长度为所述子波时间域长度的2倍。
6.根据权利要求2所述的基于变子波反射系数反演的地震高分辨处理方法,其特征在于:
所述步骤5中,所述反演操作方法为粒子群优化算法、遗传算法或者稀疏贝叶斯学习算法中的其中一种。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310291746.8A CN104280765B (zh) | 2013-07-11 | 2013-07-11 | 基于变子波反射系数反演的地震高分辨处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310291746.8A CN104280765B (zh) | 2013-07-11 | 2013-07-11 | 基于变子波反射系数反演的地震高分辨处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104280765A CN104280765A (zh) | 2015-01-14 |
CN104280765B true CN104280765B (zh) | 2017-03-08 |
Family
ID=52255827
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310291746.8A Active CN104280765B (zh) | 2013-07-11 | 2013-07-11 | 基于变子波反射系数反演的地震高分辨处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104280765B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107390269B (zh) * | 2017-07-05 | 2018-08-10 | 西安交通大学 | 一种测井资料统计特性约束的波阻抗反演粒子群优化算法 |
CN109738951B (zh) * | 2019-01-03 | 2019-12-20 | 国家深海基地管理中心 | 一种基于地震同相轴子波谱的时变反褶积方法 |
CN111856568B (zh) * | 2019-04-30 | 2023-02-07 | 中国石油天然气股份有限公司 | 基于mwv模型的频率域多道反射系数联合反演方法及系统 |
CN112213773B (zh) * | 2019-07-12 | 2022-04-22 | 中国石油化工股份有限公司 | 一种地震分辨率提高方法及电子设备 |
CN112444852A (zh) * | 2019-08-30 | 2021-03-05 | 中国石油化工股份有限公司 | 地震数据反射系数标签的自动标定方法 |
CN110988986B (zh) | 2019-12-25 | 2021-01-01 | 成都理工大学 | 改善深层碳酸盐岩储层刻画精度的地震资料低频增强方法 |
CN111624659B (zh) * | 2020-06-05 | 2022-07-01 | 中油奥博(成都)科技有限公司 | 一种地震数据的时变带通滤波方法及装置 |
CN111766624B (zh) * | 2020-06-22 | 2021-10-08 | 南京加宝囤信息科技有限公司 | 一种地震数据拓频处理方法、装置、储存介质及电子设备 |
CN112147678B (zh) * | 2020-09-27 | 2021-12-28 | 中国石油集团工程咨询有限责任公司 | 一种高精度的时变子波反演方法 |
CN112882099B (zh) * | 2021-02-25 | 2024-01-12 | 中海石油深海开发有限公司 | 一种地震频带拓宽方法、装置、介质及电子设备 |
CN114624765B (zh) * | 2022-03-11 | 2023-10-20 | 西南石油大学 | 一种相位域地震数据处理与重构方法、装置及可存储介质 |
CN114779332B (zh) * | 2022-05-20 | 2023-06-23 | 西南石油大学 | 地震数据沉积背景去除方法、装置及电子设备 |
-
2013
- 2013-07-11 CN CN201310291746.8A patent/CN104280765B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN104280765A (zh) | 2015-01-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104280765B (zh) | 基于变子波反射系数反演的地震高分辨处理方法 | |
CN101201407B (zh) | 相对无高频泄漏等效n点平滑谱模拟反褶积方法 | |
CN103995289B (zh) | 基于时频谱模拟的时变混合相位地震子波提取方法 | |
CN104749621A (zh) | 基于改进s变换的相对保幅点谱模拟高分辨率处理方法 | |
CN107255831A (zh) | 一种叠前频散属性的提取方法 | |
CN103713317B (zh) | 基于对时变子波进行分频段处理的反褶积方法 | |
CN105116449B (zh) | 一种弱反射储层的识别方法 | |
CN103913770B (zh) | 基于vsp资料对地震数据进行处理的方法 | |
CN106707334A (zh) | 一种提高地震资料分辨率的方法 | |
CN104237936B (zh) | 一种油气检测的频变反演方法 | |
CN103728661B (zh) | 一种高精度反q滤波地震资料处理方法 | |
CN104422956B (zh) | 一种基于稀疏脉冲反演的高精度地震谱分解方法 | |
CN104422960B (zh) | 基于信号低频强异常自适应提取的地震资料流体识别方法 | |
Zhao et al. | SNR enhancement for downhole microseismic data using CSST | |
CN106199711A (zh) | Co2驱油地震频散属性提取方法 | |
CN106353795A (zh) | 一种高精度的地层衰减参数计算方法 | |
CN104199095A (zh) | 提高地震记录分辨率的反褶积方法 | |
CN105093282A (zh) | 基于频率约束的能量置换面波压制方法 | |
CN105092343A (zh) | 一种基于叠前道集去除薄层调谐效应的方法 | |
CN106772617B (zh) | 一种基于时频分析技术的井控有色拓频方法 | |
CN110333533B (zh) | 基于匹配追踪和rgb色彩融合的亮点油气检测方法及系统 | |
CN102043169B (zh) | 一种对地球物理重力数字信号进行分解提取的方法 | |
CN103308945A (zh) | 一种陆地勘探初至前噪声的模拟产生与预测方法 | |
Baradello et al. | Vibroseis deconvolution: A comparison of pre and post correlation vibroseis deconvolution data in real noisy data | |
CN114429157A (zh) | 一种地球物理信号特征分析方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |