Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 东北大学侯振隆获国家专利权

东北大学侯振隆获国家专利权

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!

龙图腾网获悉东北大学申请的专利一种地球物理重磁异常源模型构建与快速正反演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:CN120912802B

龙图腾网通过国家知识产权局官网在2026-02-17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:202511067019.2,技术领域涉及:G06T17/05;该发明授权一种地球物理重磁异常源模型构建与快速正反演方法是由侯振隆;魏继康;赵兴东;申晋容;王家辉设计研发完成,并于2025-07-31向国家知识产权局提交的专利申请。

一种地球物理重磁异常源模型构建与快速正反演方法在说明书摘要公布了:本发明提供一种地球物理重磁异常源模型构建与快速正反演方法,涉及智能化三维地质建模与仿真技术领域。该方法根据研究区地质信息,对研究区进行重磁异常场的源体建模参数设定,得到能描述地下多个异常体的三维模型矩阵M;构建快速正演网络,通过快速正演网络建立从三维模型矩阵到模拟异常数据的非线性映射,计算三维模型矩阵的正演响应;构建基于并发模块CFTBlock的联合CNN和Transformer的反演网络,建立从重磁异常数据到三维模型矩阵的非线性映射。该方法可实现快速准确的正演、以及可进行高分辨率反演等优点,适用于实测重磁数据更好的解译。

本发明授权一种地球物理重磁异常源模型构建与快速正反演方法在权利要求书中公布了:1.一种地球物理重磁异常源模型构建与快速正反演方法,其特征在于,包括: 根据研究区地质信息,对研究区进行重磁异常场的源体建模参数设定; 在研究区选择矩形区域,生成柏林噪声noise,进行硬阈值化,并通过连接关系将矩形区域划分为多个二维独立区块; 针对每个独立区块生成一个三维模型矩阵,合并得到最终的能描述地下多个异常体的三维模型矩阵M; 将地下连续的几何空间离散化为有限数量的小单元,并使用三维矩阵描述地下空间中重磁异常体的分布情况与物性值,得到三维模型矩阵; 为每个独立二维区块Al创建一个初始状态为全零的三维模型矩阵mtl ,l = 1, 2, ..., N,其维度为nx×ny×nz ,nx、ny、nz分别代表研究区域在X、Y、Z方向上剖分的网格单元数量;定义mtl, n表示区块Al对应的三维模型矩阵mtl在深度层n处的二维切片,n = 1, 2, ..., nz;随机生成一个深度层编号n,1≤n≤nz;将二维区块Al的数据复制到其对应三维模型矩阵mtl的二维切片mtl, n中,作为该区块异常体的初始核心层;以此核心层n为起点,同时向n减小方向和n增大方向的所有深度层进行扩散;此扩散过程最终为每个独立二维区块Al生成一个三维模型矩阵mtl;将所有独立二维区块生成的三维模型矩阵 mtl合并,得到最终的能描述地下多个异常体的三维模型矩阵M; 针对描述地下多个异常体的三维模型矩阵,结合地形与观测面,使用正演计算公式计算核函数矩阵,进而得到模拟的重磁异常数据,并结合并行计算方法得到模拟的重磁异常正演响应的训练集与测试集; 构建快速正演网络,通过快速正演网络建立从三维模型矩阵到模拟异常数据的非线性映射,计算三维模型矩阵的正演响应; 采用重磁异常正演响应的训练集与测试集对快速正演网络进行训练得到具有最优权重参数的快速正演网络; 生成用于训练反演网络的重磁异常训练集与测试集; 构建基于并发模块CFTBlock的联合CNN和Transformer的反演网络,建立从重磁异常数据到三维模型矩阵的非线性映射;利用用于训练反演网络的重磁异常训练集,联合随机加噪策略进行训练并得到具有最优权重参数的反演网络; 所述反演网络由输入层、核心处理层以及输出层构成;其中,输入层用于接收重磁异常数据,核心处理层由包含4组编码‑解码块的编码‑解码器构成;反演网络通过三层下采样提取重磁异常数据的高维特征,每个编码‑解码块集成多个并发模块CFTBlock,并分别引入跳跃连接实现多尺度特征融合,有效保留异常数据的细节信息;最终,通过输出层的1×1卷积将解码器输出的特征映射转换为三维模型矩阵,其可反应地下异常体的空间形态与物性特征; 所述并发模块CFTBlock包括CNN支路和Transformer支路,CNN支路采用两阶段设计,逐步提取并增强局部特征:第一个阶段由两个卷积块与残差连接组成,通过卷积操作捕获局部特征,通过利用残差连接缓解梯度消失问题;第二个阶段则是在卷积与残差连接的基础上,融合Transformer支路的全局特征,实现局部特征与全局上下文的结合; Transformer支路由多头自注意力模块和MLP模块组成;使用多头自注意力机制捕获全局特征;MLP模块对自注意力模块输出进行非线性变换,进一步增强特征表达能力。

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东北大学,其通讯地址为:110819 辽宁省沈阳市和平区文化路三号巷11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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。