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！

龙图腾网获悉中国地质大学(武汉)申请的专利基于成矿模型硬约束的矿产预测深度学习模型构建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：CN116341637B 。

龙图腾网通过国家知识产权局官网在2026-01-02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：202310128906.0，技术领域涉及：G06N3/08；该发明授权基于成矿模型硬约束的矿产预测深度学习模型构建方法是由左仁广;许莹;罗紫荆设计研发完成，并于2023-02-14向国家知识产权局提交的专利申请。

本基于成矿模型硬约束的矿产预测深度学习模型构建方法在说明书摘要公布了：本发明提供了一种基于成矿模型硬约束的矿产预测深度学习模型构建方法，包括：根据成矿模型，确定关键控矿要素；构建矿床分布密度与控矿要素距离的幂律函数；基于幂律函数为不同控矿要素图层进行赋值；基于控矿要素图层构建深度学习模型的隐含层，将控矿要素图层与隐含层的神经元中的线性函数建立联系，采用非线性激活函数对线性函数的输出作运算，以此构建基于成矿模型的硬约束隐含层并添加到深度学习模型中，使得圈定的找矿远景区符合成矿规律与地质认知；将多源找矿信息图层输入至硬约束深度学习模型中，通过交叉熵损失函数来最小化预测值和真实值之间的差值，以此圈定找矿远景区。本发明可提升矿产预测深度学习模型的可解释性和预测精度。

本发明授权基于成矿模型硬约束的矿产预测深度学习模型构建方法在权利要求书中公布了：1.一种基于成矿模型硬约束的矿产预测深度学习模型构建方法，其特征在于：包括： S1：根据成矿模型，确定关键控矿要素； S2：构建矿床分布密度与所述关键控矿要素距离的幂律函数； S3：基于幂律函数为不同控矿要素进行赋值，得到不同控矿要素的权重； S4：基于关键控矿要素构建原始深度学习模型的隐含层，将不同控矿要素的权重值与原始深度学习模型的输出结果分别相乘再求和，并加入可训练的权重参数和偏置项参数，以此构建隐含层神经元中的线性函数，采用非线性激活函数对线性函数的输出作运算以映射神经元特征，增加隐含层的非线性，进而构建基于成矿模型的隐含层，将该基于成矿模型的隐含层添加到原始深度学习模型的输出层之后，实现深度学习模型的硬约束，进而搭建完成基于成矿模型硬约束的矿产预测深度学习模型； S5：将多源找矿信息输入至基于成矿模型硬约束的矿产预测深度学习模型中，通过交叉熵损失函数来最小化预测值和真实值之间的差值，以此来训练该基于成矿模型硬约束的矿产预测深度学习模型，当达到预定精度后，即得到训练好的基于成矿模型硬约束的矿产预测深度学习模型，利用该训练好的基于成矿模型硬约束的矿产预测深度学习模型来圈定找矿远景区； 步骤S2中，分别统计每个控矿要素图层中落在各层缓冲区上的矿床个数，并计算累计矿床数n和矿床分布密度ρ，ρ＝nd，其中d代表缓冲区的宽度，以缓冲区宽度d为横坐标，矿床空间分布密度ρ为纵坐标作双对数散点图，利用最小二乘法拟合直线，得到矿床分布密度与离控矿要素距离的幂律函数ρ＝cda-2，其中，c为常数，a为奇异性指数； 步骤S3中由于每个控矿要素图层中不同缓冲区对矿床形成控制程度不同，对缓冲区赋予权重σ，σ＝cda-2ρmax，c为常数，d代表缓冲区的宽度，a为奇异性指数，ρmax为矿床分布密度与控矿要素距离幂律函数的最大值，由此对不同缓冲区赋值，即离控矿要素越近的区域，权重越大；离控矿要素越远的区域，权重越小。

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国地质大学(武汉)，其通讯地址为：430000 湖北省武汉市洪山区鲁磨路388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。