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！

龙图腾网获悉河南省地质局矿产资源勘查中心申请的专利基于深度学习的矿藏预测方法、装置及存储介质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：CN119939163B 。

龙图腾网通过国家知识产权局官网在2025-08-15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：202510091254.7，技术领域涉及：G06F18/20；该发明授权基于深度学习的矿藏预测方法、装置及存储介质是由张广平;李科强;王超;李假广;高昂;赵亚飞;张春梅;黄鸽设计研发完成，并于2025-01-21向国家知识产权局提交的专利申请。

本基于深度学习的矿藏预测方法、装置及存储介质在说明书摘要公布了：本申请涉及数据处理技术领域，公开了一种基于深度学习的矿藏预测方法、装置及存储介质。该方法包括：通过数据校正和归一化处理多源地质数据得到标准化数据集，利用深度学习模型提取特征并融合，构建成矿知识图谱获取知识向量，基于Transformer网络和贝叶斯框架构建预测模型得到预测结果，经空间优化后利用深度生成模型构建三维可视化模型并进行解释性分析，获得预测验证结果。本申请可以有效融合多源地质数据、同时完成多个预测任务、使预测结果既符合地质规律又具有较高的准确性。

本发明授权基于深度学习的矿藏预测方法、装置及存储介质在权利要求书中公布了：1.一种基于深度学习的矿藏预测方法，其特征在于，所述基于深度学习的矿藏预测方法包括： 通过数据校正和归一化算法对遥感影像数据、地球物理勘探数据及地球化学数据进行预处理，得到标准化多源数据集； 依据所述标准化多源数据集，经由改进ResNet结构、三维卷积神经网络及图神经网络构建特征提取模型，并利用变分自编码器进行特征融合，获得深度编码特征，包括：将所述标准化多源数据集中的遥感影像数据输入所述改进ResNet结构，通过卷积层提取空间特征，经残差连接进行梯度传递，得到地表特征数据；对所述标准化多源数据集中的地球物理勘探数据进行三维数据重构，通过所述三维卷积神经网络进行分层特征提取，得到物探特征数据；将所述标准化多源数据集中的地球化学数据构建成节点-边关系结构，通过所述图神经网络对节点进行信息聚合，得到化学特征数据；基于所述地表特征数据、所述物探特征数据和所述化学特征数据构建联合特征矩阵，利用注意力权重对不同特征进行融合，获得融合特征数据；将所述融合特征数据输入所述变分自编码器的编码器部分，通过多层感知机进行降维压缩，得到潜在特征向量；对所述潜在特征向量进行重构误差计算和分布约束，通过非线性映射进行特征重编码，得到所述深度编码特征； 基于所述深度编码特征，通过多头自注意力机制和消息传递机制构建成矿知识图谱，并利用图嵌入算法得到知识向量； 根据所述深度编码特征和所述知识向量，通过Transformer网络构建多任务预测模型，并经由贝叶斯神经网络框架进行不确定性评估，获得矿化预测结果，包括：将所述深度编码特征和所述知识向量进行特征拼接，通过位置编码进行序列转换，得到输入序列数据；对所述输入序列数据按照矿化类型、矿体规模和品位预测进行任务分解，通过任务标识符编码得到多任务输入数据；基于所述多任务输入数据构建所述多任务预测模型，其中所述多任务预测模型包含共享编码层、任务特定解码层和预测头层，通过所述Transformer网络的多层自注意力计算进行特征变换，得到任务特征数据；将所述任务特征数据分别输入矿化类型预测分支、矿体规模预测分支和品位预测分支，通过任务特定解码层进行解码处理，得到分支预测数据；基于所述分支预测数据构建概率分布参数，通过所述贝叶斯神经网络框架进行采样和不确定性评估，获得预测分布数据；将所述预测分布数据进行多任务加权融合，通过置信度阈值筛选和规范化处理，得到所述矿化预测结果； 依据所述矿化预测结果，通过空间聚类和贝叶斯优化算法进行迭代优化，得到优化预测结果； 基于所述优化预测结果，利用深度生成模型构建三维可视化模型，并通过Grad-CAM算法进行解释性分析，获得目标预测验证结果。

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河南省地质局矿产资源勘查中心，其通讯地址为：450000 河南省郑州市中原区文化宫路31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”。