CN109425894A - 一种地震异常道检测方法及装置 - Google Patents

一种地震异常道检测方法及装置 Download PDF

Info

Publication number
CN109425894A
CN109425894A CN201710731966.6A CN201710731966A CN109425894A CN 109425894 A CN109425894 A CN 109425894A CN 201710731966 A CN201710731966 A CN 201710731966A CN 109425894 A CN109425894 A CN 109425894A
Authority
CN
China
Prior art keywords
amplitude
mean value
seismic
window
channel
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.)
Pending
Application number
CN201710731966.6A
Other languages
English (en)
Inventor
武正伦
蔡其新
秦广胜
王清亮
池晓华
刘东初
蒋先勇
喻洪春
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
INSTITUTE OF GEOPHYSICAL PROSPECTING ZHONGYUAN OIL FIELD BRANCH CHINA PETROCHEMICAL Corp
China Petroleum and Chemical Corp
Original Assignee
INSTITUTE OF GEOPHYSICAL PROSPECTING ZHONGYUAN OIL FIELD BRANCH CHINA PETROCHEMICAL Corp
China Petroleum and Chemical Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by INSTITUTE OF GEOPHYSICAL PROSPECTING ZHONGYUAN OIL FIELD BRANCH CHINA PETROCHEMICAL Corp, China Petroleum and Chemical Corp filed Critical INSTITUTE OF GEOPHYSICAL PROSPECTING ZHONGYUAN OIL FIELD BRANCH CHINA PETROCHEMICAL Corp
Priority to CN201710731966.6A priority Critical patent/CN109425894A/zh
Publication of CN109425894A publication Critical patent/CN109425894A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01VGEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/28Processing seismic data, e.g. for interpretation or for event detection
    • G01V1/30Analysis
    • G01V1/307Analysis for determining seismic attributes, e.g. amplitude, instantaneous phase or frequency, reflection strength or polarity
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01VGEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2210/00Details of seismic processing or analysis
    • G01V2210/60Analysis
    • G01V2210/63Seismic attributes, e.g. amplitude, polarity, instant phase

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Acoustics & Sound (AREA)
  • Environmental & Geological Engineering (AREA)
  • Geology (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Geophysics (AREA)
  • Geophysics And Detection Of Objects (AREA)

Abstract

本发明涉及一种地震异常道检测方法及装置,属于石油地球物理勘探技术领域。本发明首先采集各地震道采样点的振幅值,逐道计算每个地震道振幅的平方均值;然后统计求取单炮所有地震道振幅平方均值的中位数,以该中位数作为标准道振幅平方均值;最后将每道振幅平方均值与标准道振幅平方均值进行比较,判断两者的差值是否大于设定设定值,若大于,则判断该地震道为异常道。本发明使用振幅平方值来放大振幅的差别,采用单炮所有地震道振幅平方均值的中位数作为标准道振幅平方均值,避免少量超常地震道振幅平方均值过度影响标准道振幅平方均值,使检测结果更加精准。

Description

一种地震异常道检测方法及装置
技术领域
本发明涉及一种地震异常道检测方法及装置,属于石油地球物理勘探技术领域。
背景技术
地震异常道指的是在一个地震资料采集施工工区,显著偏离正常的地震道。在野外地震资料采集过程中,地震异常道是影响地震采集品质的最重要因素之一。在目前野外地震采集现场监控过程中,主要是通过采集记录回放、人工浏览剖面的方式来识别地震异常道,这种检测方式存在以下两个方面的问题:一是主观性比较大,对地震异常道的判断全靠观察者凭经验、认识识别,缺乏严格、统一的标准尺度,容易造成“漏检”或错判;二是随着可控震源等高效地震采集技术的应用,每天采集的地震数据量非常巨大,人工浏览剖面检测异常道时效性太差,根本无法实现实时监控,进而影响野外地震采集的质量和进度。
2006年,中国地质大学段云卿提出采用最大振幅属性来检测地震道异常的方法,该检测方法通过求取地震道的最大振幅和平均振幅,根据最大振幅和平均振幅之间的误差大小来判断该道是否为异常道,该方法虽然能够快速的实现地震异常道的检测,但是其检测方法是基于自身的振幅属性来判别地震道异常的,没有考虑采集工区地震道或整炮地震道的整体因素,导致检测结果不够准确。
发明内容
本发明的目的是提供一种地震异常道检测方法,以解决目前地震道异常检测中存在的准确性低的问题。
本发明为解决上述技术问题而提供一种地震异常道检测方法,该检测方法包括以下步骤:
1)采集各地震道采样点的振幅值,逐道计算每个地震道振幅的平方均值;
2)统计求取单炮所有地震道振幅平方均值的中位数,以该中位数作为标准道振幅平方均值;
3)将每道振幅平方均值与标准道振幅平方均值进行比较,判断两者的差值是否大于设定值,若大于,则判断该地震道为异常道。
进一步地,所述步骤1)中每个地震道振幅的平方均值的计算过程如下:
A.将地震道进行时窗划分,划分为至少三个时窗;
B.计算每个时窗的振幅平方均值;
C.统计求取该地震道所有时窗振幅平方均值的中位数,该中位数即为该地震道振幅平方均值。
进一步地,所述步骤B中各时窗的振幅平方均值为:
其中Aj为第j个时窗的振幅平方均值,Ai(i)为该时窗内第i个采样点振幅值,S为该时窗内非零采样点个数。
进一步地,所述的设定值大于等于标准道振幅平方均值。
本发明还提供了一种地震异常道检测装置,该检测装置包括存储器和处理器以及存储在所述存储器上并在所述处理器上运行的计算机程序,存储器上还存储有采集的各地震道采样点的振幅值,所述处理器与所述存储器相耦合,所述处理器执行所述计算机程序时实现以下指令:
1)根据各地震道采样点的振幅值,逐道计算每个地震道振幅的平方均值;
2)统计求取单炮所有地震道振幅平方均值的中位数,以该中位数作为标准道振幅平方均值;
3)将每道振幅平方均值与标准道振幅平方均值进行比较,判断两者的差值是否大于设定值,若大于,则判断该地震道为异常道。
进一步地,所述步骤1)中每个地震道振幅的平方均值的计算过程如下:
A.将地震道进行时窗划分,划分为至少三个时窗;
B.计算每个时窗的振幅平方均值;
C.统计求取该地震道所有时窗振幅平方均值的中位数,该中位数即为该地震道振幅平方均值。
进一步地,所述步骤B中各时窗的振幅平方均值为:
其中Aj为第j个时窗的振幅平方均值,Ai(i)为该时窗内第i个采样点振幅值,S为该时窗内非零采样点个数。
进一步地,所述的设定值大于等于标准道振幅平方均值。
本发明的有益效果是:本发明首先采集各地震道采样点的振幅值,逐道计算每个地震道振幅的平方均值;然后统计求取单炮所有地震道振幅平方均值的中位数,以该中位数作为标准道振幅平方均值;最后将每道振幅平方均值与标准道振幅平方均值进行比较,判断两者的差值是否大于设定设定值,若大于,则判断该地震道为异常道。本发明使用振幅平方值来放大振幅的差别,采用单炮所有地震道振幅平方均值的中位数作为标准道振幅平方均值,避免少量超常地震道振幅平方均值过度影响标准道振幅平方均值,使检测结果更加精准。
此外,本发明将地震道划分为多个时窗,计算各时窗的振幅平方均值,采用所有时窗振幅平方均值的中位数作为该地震道的振幅平方均值,降低了少数异常极大振幅对整道平均值的影响,提高了检测准确性,同时可检测某个时窗内地震道是否异常,灵活性好。
附图说明
图1是本发明地震异常道检测的流程图;
图2是本发明各时窗振幅平方均值的计算流程图;
图3是本发明单个地震道振幅平方均值的计算流程图;
图4是本发明标准道振幅平方均值的计算流程图;
图5是本发明地震道异常判断的流程图。
具体实施方式
下面结合附图对本发明的具体实施方式做进一步的说明。
本发明地震异常道检测方法的实施例
本发明根据地震采集异常道的数据特征,通过读取的地震道采样点振幅值,逐道计算每个地震道振幅平方均值,统计求取单炮所有地震道振幅平方均值的中位数标准道振幅平方均值),再比较每道振幅平方均值AA与标准道振幅平方均值的差值,若该差值大于设定值,则可判定该道为异常道。该方法的检测流程如图1所示,具体实施步骤如下。
1.采集各地震道采样点的振幅值,逐道计算每个地震道振幅的平方均值。
为了放大振幅的差别,本发明采用地震道振幅的平方均值进行比较判断,在计算时,将各地震道进行时窗划分,使用时窗振幅平方均值中位数以降低少数异常极大振幅对整道平均值的影响。本实施例以某采集工区的数据为例进行说明,该工区的地震数据采样长度为6S,每道采样点数为1500,选取1炮的检测数据,该炮的总道数为8200道。该步骤的实现流程如图2所示,包括以下过程:
A.划分时窗。
设置时窗划分K,划分时窗是把整个地震道划分成若干段,目的是降低少数异常极大振幅对整道平均值的影响,时窗划分越多,异常大振幅对整道平均值影响越小。本实施例中将时窗划分为15,即Ki=15,各时窗采样点数为100.
B.计算单道各时窗振幅平方均值。
获取单道的原始地震数据,依次计算每个时窗的振幅平均值Aj,计算公式如下:
其中Aj为第j个时窗的振幅平方均值,Ai(i)为该时窗内第i个采样点振幅值,S为该时窗内非零采样点个数。
本实施例中获取1炮检测原始地震数据,第1道数据为:0.00290432,0.005642105,0.007616867,0.008554032,0.008318879,-0.007121116,-0.0085863,-0.008883568,-0.007961408,-0.005935163,-0.003072791,0.000240438,……,-0.011138263,-0.007302206,-0.002296059,0.016155869,0.014675898,0.011171337,0.006059468,-0.006260328,-0.01184587,-0.016009768,-0.018165663
通过上述公式可计算第一个时窗的振幅平方均值为0.0000312;按此公式依次计算其他14个时窗的振幅平方均值,分别为:0.0000461,0.0000161,0.0000563,0.0000095,0.0001763,0.0003966,0.0000755,0.0000135,0.0000073,0.0000326,0.0001742,0.0000537,0.0000359,0.0000326
C.确定单道振幅平方均值。
该步骤的计算方法如图3所示,将各单道地震数据内所有时窗振幅平方均值从小到大排序,中位数即为单道地震数据振幅平方均值的中值,也是本发明所确定的单道振幅平方均值。
本实施例将本道15个时窗的振幅平方均值按从小到大的顺序排序,第8个数即为本道振幅平方均值0.0000359。
依次计算要检测炮其它地震道的道振幅平方均值。
2.统计求取单炮所有地震道振幅平方均值的中位数,以该中位数作为标准道振幅平方均值。
该步骤的计算方法如图4所示,把单炮数据所有地震道的道振幅平方均值AA按从小到大排序,中位数即为标准道振幅平方均值中值MAA。
本实施例将上述计算出的8200道地震数据振幅平方均值按从小到大的顺序排序,标准道振幅平方均值中值MAA为第4100个数和第4101个数之和除以2,为0.0000471。
3.将每道振幅平方均值与标准道振幅平方均值进行比较,判断两者的差值是否大于设定设定值,若大于,则判断该地震道为异常道。
该步骤的流程如图5所示,具体过程如下:
1)检测第1道原始数据;
2)计算第1道数据的道振幅平方均值AA(1)与标准道振幅平方均值中值MAA的差的绝对值,若|AA(1)—MAA|>ZA则该道为异常道,其中ZA为设定值,是判断地震道是否为异常道的尺度,可根据采集工区噪声干扰情况灵活设置,一般设为MAA或更大;
3)重复步骤1)、2),直至本炮所有地震道检测完毕。
本实施例将计算出的8200道地震数据振幅平方均值依次和标准道振幅平方均值中值MAA(0.0000471)比较,如果它们之差的绝对值大于设定值ZA=0.0000471,则该道为异常道;
在本实例中,检测1炮时间3分47秒;单炮道数越多、采样点越多、时窗划分越多用时也越多。
本发明将各地震道进行时窗划分,既可使用时窗振幅平方均值中位数来降低个别异常大时窗振幅平方均值对整道振幅平方均值的影响,又能够实现对地震道某个时窗异常的检测。
本发明地震异常道检测装置的实施例
本实施例的检测装置包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机程序,存储器上还存储有采集的各地震道采样点的振幅值,处理器与存储器相耦合,处理器执行所述计算机程序时实现以下指令:
1)根据各地震道采样点的振幅值,逐道计算每个地震道振幅的平方均值;
2)统计求取单炮所有地震道振幅平方均值的中位数,以该中位数作为标准道振幅平方均值;
3)将每道振幅平方均值与标准道振幅平方均值进行比较,判断两者的差值是否大于设定设定值,若大于,则判断该地震道为异常道。各指令的具体实现手段已在方法的实施例中进行了详细说明,这里不再赘述。
综合上可知,本发明采用单炮所有地震道振幅平方均值的中位数作为标准道振幅平方均值,避免少量超常地震道振幅平方均值过度影响标准道振幅平方均值,具有异常道识别精度高特点;采用时窗振幅平方均值中位数作为单道的振幅平方均值,降低了个别异常大时窗振幅平方均值对整道振幅平方均值的影响,进一步提高了异常道识别精度;通过时窗划分既可检测整道地震数据,也可检测某时窗地震数据。本发明可通过编程实现快速计算、统计、对比,检测出地震异常道,实现地震数据异常道的实时监控,可缓解野外现场质量监控人员工作压力,提高地震异常道检测时效,为野外地震采集质量监控提供有力手段。

Claims (8)

1.一种地震异常道检测方法,其特征在于,该检测方法包括以下步骤:
1)采集各地震道采样点的振幅值,逐道计算每个地震道振幅的平方均值;
2)统计求取单炮所有地震道振幅平方均值的中位数,以该中位数作为标准道振幅平方均值;
3)将每道振幅平方均值与标准道振幅平方均值进行比较,判断两者的差值是否大于设定值,若大于,则判断该地震道为异常道。
2.根据权利要求1所述的地震异常道检测方法,其特征在于,所述步骤1)中每个地震道振幅的平方均值的计算过程如下:
A.将地震道进行时窗划分,划分为至少三个时窗;
B.计算每个时窗的振幅平方均值;
C.统计求取该地震道所有时窗振幅平方均值的中位数,该中位数即为该地震道振幅平方均值。
3.根据权利要求2所述的地震异常道检测方法,其特征在于,所述步骤B中各时窗的振幅平方均值为:
其中Aj为第j个时窗的振幅平方均值,Ai(i)为该时窗内第i个采样点振幅值,S为该时窗内非零采样点个数。
4.根据权利要求1所述的地震异常道检测方法,其特征在于,所述的设定值大于等于标准道振幅平方均值。
5.一种地震异常道检测装置,其特征在于,该检测装置包括存储器和处理器以及存储在所述存储器上并在所述处理器上运行的计算机程序,存储器上还存储有采集的各地震道采样点的振幅值,所述处理器与所述存储器相耦合,所述处理器执行所述计算机程序时实现以下指令:
1)根据各地震道采样点的振幅值,逐道计算每个地震道振幅的平方均值;
2)统计求取单炮所有地震道振幅平方均值的中位数,以该中位数作为标准道振幅平方均值;
3)将每道振幅平方均值与标准道振幅平方均值进行比较,判断两者的差值是否大于设定设定值,若大于,则判断该地震道为异常道。
6.根据权利要求5所述的地震异常道检测装置,其特征在于,所述步骤1)中每个地震道振幅的平方均值的计算过程如下:
A.将地震道进行时窗划分,划分为至少三个时窗;
B.计算每个时窗的振幅平方均值;
C.统计求取该地震道所有时窗振幅平方均值的中位数,该中位数即为该地震道振幅平方均值。
7.根据权利要求6所述的地震异常道检测装置,其特征在于,所述步骤B中各时窗的振幅平方均值为:
其中Aj为第j个时窗的振幅平方均值,Ai(i)为该时窗内第i个采样点振幅值,S为该时窗内非零采样点个数。
8.根据权利要求5所述的地震异常道检测装置,其特征在于,所述的设定值大于等于标准道振幅平方均值。
CN201710731966.6A 2017-08-23 2017-08-23 一种地震异常道检测方法及装置 Pending CN109425894A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710731966.6A CN109425894A (zh) 2017-08-23 2017-08-23 一种地震异常道检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710731966.6A CN109425894A (zh) 2017-08-23 2017-08-23 一种地震异常道检测方法及装置

Publications (1)

Publication Number Publication Date
CN109425894A true CN109425894A (zh) 2019-03-05

Family

ID=65500241

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710731966.6A Pending CN109425894A (zh) 2017-08-23 2017-08-23 一种地震异常道检测方法及装置

Country Status (1)

Country Link
CN (1) CN109425894A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112379421A (zh) * 2020-10-30 2021-02-19 中国石油天然气集团有限公司 识别地震勘探数据中的掉排列单炮的方法和装置
CN112379418A (zh) * 2020-10-16 2021-02-19 山东大学 一种地震直达波波速计算方法及系统
CN112925024A (zh) * 2021-01-26 2021-06-08 中国石油化工股份有限公司 一种地震记录的方波压制方法
CN113029889A (zh) * 2021-04-05 2021-06-25 山东诺方电子科技有限公司 一种多点尘荷数据采集系统及方法
CN114325833A (zh) * 2022-01-05 2022-04-12 中国海洋大学 一种地震记录分频带野值压制方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS6024430B2 (ja) * 1980-03-31 1985-06-12 三菱電機株式会社 異常自動検出器
CN102819043A (zh) * 2012-08-09 2012-12-12 恒泰艾普石油天然气技术服务股份有限公司 阵列信号随机噪声自适应模型去噪方法
CN103091712A (zh) * 2011-10-31 2013-05-08 中国石油化工股份有限公司 一种分析测井组合特征和地震相进行煤质预测的方法
CN103439738A (zh) * 2013-08-27 2013-12-11 中国石油集团川庆钻探工程有限公司地球物理勘探公司 地震勘探单炮记录异常道识别方法
CN103499831A (zh) * 2013-09-30 2014-01-08 中国石油天然气股份有限公司 一种地震数据监控系统
CN104316963A (zh) * 2014-10-21 2015-01-28 中国石油天然气股份有限公司 一种异常道识别方法
CN104459779A (zh) * 2014-12-09 2015-03-25 中国石油天然气集团公司 一种异常地震道的自动识别的方法和装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS6024430B2 (ja) * 1980-03-31 1985-06-12 三菱電機株式会社 異常自動検出器
CN103091712A (zh) * 2011-10-31 2013-05-08 中国石油化工股份有限公司 一种分析测井组合特征和地震相进行煤质预测的方法
CN102819043A (zh) * 2012-08-09 2012-12-12 恒泰艾普石油天然气技术服务股份有限公司 阵列信号随机噪声自适应模型去噪方法
CN103439738A (zh) * 2013-08-27 2013-12-11 中国石油集团川庆钻探工程有限公司地球物理勘探公司 地震勘探单炮记录异常道识别方法
CN103499831A (zh) * 2013-09-30 2014-01-08 中国石油天然气股份有限公司 一种地震数据监控系统
CN104316963A (zh) * 2014-10-21 2015-01-28 中国石油天然气股份有限公司 一种异常道识别方法
CN104459779A (zh) * 2014-12-09 2015-03-25 中国石油天然气集团公司 一种异常地震道的自动识别的方法和装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
王世青等: "地震异常振幅自适应压制", 《大庆石油地质与开发》 *
程彦: "多属性融合技术在三维地震资料解释中的应用", 《中国煤炭地质》 *
解吉高等: "下刚果盆地北部中新统深水浊积岩储层及含油性地震预测", 《石油学报》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112379418A (zh) * 2020-10-16 2021-02-19 山东大学 一种地震直达波波速计算方法及系统
CN112379421A (zh) * 2020-10-30 2021-02-19 中国石油天然气集团有限公司 识别地震勘探数据中的掉排列单炮的方法和装置
CN112925024A (zh) * 2021-01-26 2021-06-08 中国石油化工股份有限公司 一种地震记录的方波压制方法
CN112925024B (zh) * 2021-01-26 2023-10-20 中国石油化工股份有限公司 一种地震记录的方波压制方法
CN113029889A (zh) * 2021-04-05 2021-06-25 山东诺方电子科技有限公司 一种多点尘荷数据采集系统及方法
CN114325833A (zh) * 2022-01-05 2022-04-12 中国海洋大学 一种地震记录分频带野值压制方法

Similar Documents

Publication Publication Date Title
CN109425894A (zh) 一种地震异常道检测方法及装置
CN109239360B (zh) 一种反应曲线异常检测方法及装置
CN109461095A (zh) 一种用于非侵入式负荷辨识的负荷事件检测的数据处理方法及设备
Küperkoch et al. Automated event and phase identification
Küperkoch et al. Automated determination of S-phase arrival times using autoregressive prediction: application to local and regional distances
US7668235B2 (en) Jitter measurement algorithm using locally in-order strobes
WO2018151680A1 (en) Methods and devices for identifying population clusters in data
US11443137B2 (en) Method and apparatus for detecting signal features
Kapetanidis et al. Estimation of arrival-times in intense seismic sequences using a Master-Events methodology based on waveform similarity
Petersen et al. Automated quality control for large seismic networks: Implementation and application to the AlpArray seismic network
CA2818641C (en) Methods of hydrocarbon detection using spectra dominant frequency and measures of energy decay on the low side and high side of spectra dominant frequency
CN117330882A (zh) 一种用于滤波器的自动化测试方法及系统
EP2580772A2 (en) A method computer program and system to analyze mass spectra
CN102497236B (zh) 一种利用网络分析仪定位、跟踪动态信号的方法及系统
Smith et al. Simultaneous time-lapse binning and regularization of 4D data
CN110333506A (zh) 一种提取索力测量雷达的拉索位置参数的方法
Lu et al. Energy‐and Predominant‐Period‐Dependent P‐Wave Onset Picker (EDP‐Picker)
JP2004286527A (ja) 多成分ae波形の初動検出方法
Li et al. Methods for amplitude calibration and orientation discrepancy measurement: Comparing co‐located sensors of different types in the southern California seismic network
CN104865601B (zh) 确定地震勘探中采集的地震记录的类型的方法
WO2002001252A1 (en) Quality control of data
CN109001798B (zh) 一种自动识别异常道的方法及系统
CN111123356B (zh) 基于初至信息的异常道智能判识方法
Mason Digital computer estimation of eye fixations
CN110489604A (zh) 一种用于燃气轮机试验测量数据的解析方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20190305

RJ01 Rejection of invention patent application after publication