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！

龙图腾网获悉中国电建集团成都勘测设计研究院有限公司;中国地质大学(北京)申请的专利基于深度学习的混合岩动力学参数预测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：CN121211979B 。

龙图腾网通过国家知识产权局官网在2026-02-27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：202511747602.8，技术领域涉及：G06F30/27；该发明授权基于深度学习的混合岩动力学参数预测方法是由张世殊;施泽;李青春;薛翊国;赵小平;王怀兵设计研发完成，并于2025-11-26向国家知识产权局提交的专利申请。

本基于深度学习的混合岩动力学参数预测方法在说明书摘要公布了：本发明涉及地质工程技术领域，为了提高岩石力学参数预测准确性，提供了基于深度学习的混合岩动力学参数预测方法，基于预处理后的多源异构数据提取特征并构建图神经网络，构建双深度学习模型并训练，基于训练完成后的双深度学习模型预测动力学参数。采用上述方式提高了岩石力学参数预测准确性。

本发明授权基于深度学习的混合岩动力学参数预测方法在权利要求书中公布了：1.基于深度学习的混合岩动力学参数预测方法，其特征在于，包括： 步骤1：多源异构数据采集与预处理，多源异构数据包括：地质属性数据、物理力学参数、地球物理数据和图像数据； 步骤2：基于预处理后的数据进行特征提取以获取物理特征、图像特征及跨模态学习特征，并构建图神经网络以获取图结构的初始特征表示； 步骤3：基于步骤2获取的特征构建双深度学习模型并训练，双深度学习模型包括： GNN分支：定向聚合断层带节点消息，输出构造增强的图特征表示； Transformer分支：通过构造注意力掩码聚焦同岩性层关联，输出地层敏感的序列特征表示； 地质门控融合模块：动态整合GNN分支及Transformer分支输出的特征； 层级特征融合模块：对物理特征、图像特征及动态整合后的特征进行融合以生成融合特征； 预测模块：基于融合特征预测力学参数； 步骤4：采用与步骤1、2相同的方式对待预测区域的多源异构数据进行处理，并基于训练完成后的双深度学习模型预测动力学参数； 步骤2具体包括： 基于预处理后的数据获取物理特征、图像特征及跨模态学习特征；物理特征包含矿物组成特征、结构复杂性、物理关联特征及构造损伤指数；跨模态学习特征的获取步骤为：基于预处理后的数据获取物探参数序列、岩性词嵌入及深度坐标编码，并通过岩性-物探交叉注意力进行特征融合； 构建图神经网络：以岩石样本为节点，基于空间相邻性和岩性相似性定义边权重，通过消息传递更新节点状态，以获取图结构的初始特征表示。

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电建集团成都勘测设计研究院有限公司;中国地质大学(北京)，其通讯地址为：610072 四川省成都市青羊区浣花北路1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。