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！

龙图腾网获悉中山大学申请的专利一种基于物理神经网络的海底底质声学特性预测方法及系统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：CN120009971B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202510242859.1，技术领域涉及：G01V1/28；该发明授权一种基于物理神经网络的海底底质声学特性预测方法及系统是由侯正瑜;黄静怡;莫丁昊;张家烨;邢祥辉;李整林;肖鹏;徐灵基;赵波设计研发完成，并于2025-03-03向国家知识产权局提交的专利申请。

本一种基于物理神经网络的海底底质声学特性预测方法及系统在说明书摘要公布了：本发明公开了一种基于物理神经网络的海底底质声学特性预测方法及系统，方法包括：获取目标海域的海底样本；根据海底样本测量得到海底样本数据集；基于海底样本数据集对预构建的神经网络架构进行训练，进而利用损失函数优化构建得到物理信息神经网络；其中，损失函数的约束包括波动方程的信息；基于待预测海底底质的物理参数和环境参数，利用物理信息神经网络预测得到待预测海底底质的声学特性参数。本发明包括有益效果：本发明通过将底质声学特性的波动方程代入到物理信息神经网络中，结合海底底质的约束条件，构建一种基于物理神经网络的海底底质声学特性预测方法，从而能够准确实现底质声学特性预测，可广泛应用于海洋声学技术领域。

本发明授权一种基于物理神经网络的海底底质声学特性预测方法及系统在权利要求书中公布了：1.一种基于物理神经网络的海底底质声学特性预测方法，其特征在于，包括以下步骤： 获取目标海域的海底样本； 根据所述海底样本测量得到海底样本数据集；所述海底样本数据集包括每个所述海底样本对应的声学特性参数、物理参数和环境参数； 基于所述海底样本数据集对预构建的神经网络架构进行训练，进而利用损失函数优化构建得到物理信息神经网络；其中，所述损失函数的约束包括波动方程的信息； 其中，所述海底样本数据集包括训练集、验证集和测试集；所述基于所述海底样本数据集对预构建的神经网络架构进行训练，进而利用损失函数优化构建得到物理信息神经网络，包括以下步骤： 将所述训练集中每个所述海底样本对应的所述物理参数和所述环境参数作为输入数据输入所述神经网络架构处理得到声学特性预测值； 其中，所述神经网络架构基于多层全连接神经网络预构建得到，所述多层全连接神经网络包括依次连接的输入层、多层隐藏层和输出层；所述输入层的神经元数量基于所述物理参数和所述环境参数的数据维度确定，所述多层隐藏层中每层隐藏层的神经元数量按照预设比例逐步递减，所述多层隐藏层还设置有激活函数； 基于所述声学特性预测值，通过所述波动方程求解得到波动方程解声学特性值； 根据所述声学特性预测值与其对应的所述波动方程解声学特性值构建物理损失；根据所述声学特性预测值与其对应的声学特性值构建数据损失； 对所述数据损失和所述物理损失进行加权求和构建得到所述损失函数； 根据所述损失函数，通过反向传播算法和预设的优化器对所述神经网络架构的模型参数进行优化调整； 基于所述优化调整后的所述神经网络架构，通过所述验证集得到验证集损失； 将迭代次数加1，返回执行所述将所述训练集中每个所述海底样本对应的所述物理参数和所述环境参数作为输入数据输入所述神经网络架构处理得到声学特性预测值的步骤，直至连续预设轮次的所述验证集损失符合预设条件，或者，所述迭代次数达到预设最大训练轮次，将最后一次所述优化调整后的所述神经网络架构作为所述物理信息神经网络； 基于待预测海底底质的物理参数和环境参数，利用所述物理信息神经网络预测得到所述待预测海底底质的声学特性参数。

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中山大学，其通讯地址为：510275 广东省广州市新港西路135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”。