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！

龙图腾网获悉吉林大学申请的专利一种基于物理约束的深度学习岩石冻融损伤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：CN120510951B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202511009682.7，技术领域涉及：G16C20/30；该发明授权一种基于物理约束的深度学习岩石冻融损伤预测方法是由于清杨;刘涵;刘东;戴振学;林清岩设计研发完成，并于2025-07-22向国家知识产权局提交的专利申请。

本一种基于物理约束的深度学习岩石冻融损伤预测方法在说明书摘要公布了：本发明属于岩石冻融损伤预测技术领域，涉及一种基于物理约束的深度学习岩石冻融损伤预测方法，用于提升岩石冻融损伤预测模型的物理一致性与预测精度；本方法在数据驱动的深度学习模型中引入物理约束公式，并利用自适应权重策略实现数据拟合与物理合理性的有机统一。预测方法包括数据采集，生成数据集，网络构建，物理约束机制公式设计，根据岩石冻融实验观察，或者理论公式推导，设计反映各项物理性能演变的公式，模型训练，预测输出。本发明基于物理约束的深度学习岩石冻融损伤预测方法具有泛化能力显著提升，物理连续性和一致性更强，多参数和多源数据综合应用，分阶段自适应训练策略，成本和资源节约，操作简便与便于应用推广的优势。

本发明授权一种基于物理约束的深度学习岩石冻融损伤预测方法在权利要求书中公布了：1.一种基于物理约束的深度学习岩石冻融损伤预测方法，其特征在于，包括以下步骤： 步骤A，数据采集：测量岩样的岩石的初始指标、环境参数以及冻融损伤指标； 步骤B，生成数据集：划分岩石初始参数和环境参数为输入值，划分预测目标作为输出值，对数据进行标准化处理；将数据分成70%的训练集、10%的验证集和20%的测试集；再将数据封装成数据集；使用热独编码区分不同来源或不同种类的岩石样本；使用标准化处理，将特征缩放到均值为0、标准差为1的分布；对特征矩阵进行拟合和转换，得到标准化后的特征矩阵； 步骤C，网络构建：根据数据集数据量选择使用全连接神经网络或Transformer端到端神经网络；构建融合多项物理演化公式的混合型损失函数，该损失函数由数据拟合误差项与多个具有明确物理含义的损伤指标误差项共同构成，模型输出值与真实观测值之间的差异采用均方误差度量；总损失函数由一项基础的数据拟合误差与若干个物理约束误差项组成，每个物理项对应不同的损伤变量；使用ReLU激活函数作为非线性激活函数；使用Adam优化器进行优化； 步骤D，物理约束机制公式设计，对于抗压强度、峰值应变、弹性模量、纵波波速、孔隙度、质量变化率损伤指标设计反映各项物理性能演变的公式，在神经网络中定义物理约束公式参数； 对于抗压强度，采用指数衰减模型描述冻融循环对岩石抗压强度的累积破坏效应，并对温度条件、围压、pH、层理倾角和饱和度进行修正，再考虑人为裂隙对损伤的额外贡献，公式写为： ， 其中，为初始抗压强度，为可训练参数，r T 为温度下降率，T f 和T t 分别为冻结和融化温度，P c 为围压，pH-7表示pH值偏离中性状态的影响，N为冻融循环次数，为结构面调制函数，为饱和度调制函数，为围压调制函数，为人为裂隙额外损伤调制函数； 结构面效应调制函数定义为： ， 其中，θ b 是结构面倾角，ρ 1为可训练参数； 饱和度调制函数定义为： ， 其中，S为饱和度，ω 1为可训练参数； 围压调制函数定义为： ， 其中，θ 1为可训练正数参数； 人为裂隙额外损伤调制函数定义为： ， 其中，A crack 为是否存在人工裂隙，θ c 为裂隙角，L c 与w c 分别为裂隙长度和宽度，50为参考尺度，对应岩石柱体直径50，θ bedding 为结构面倾角，ξ i 为可训练参数； 对于弹性模量，构造函数用以描述冻融后岩石弹性模量的降低： ， 其中，E 0 为初始弹性模量，β i 为可训练参数； 对于峰值应变，构造如下公式： ， 其中，为初始峰值应变，γ i 为可训练参数； 对于纵波波速，主要与冻融后弹性模量与冻融后孔隙率相关，定义如下： ， 其中，V 0为初始纵波波速，η i 为可训练参数； 对于孔隙度，采用如下定义方法： ， 其中，为初始孔隙度，κ i为可训练参数； 对于质量变化率，采用与孔隙度相似的定义方法： ， 其中，μ i 为可训练参数； 步骤E，模型训练：采用k折交叉验证法调整超参数，使用早停法来停止训练，以箱型图表示所有的超参数组合的各方面指标；训练过程中采用阶段性物理权重调整机制，分三个阶段调整物理公式权重；使用反向传播更新物理约束公式参数；实时输出并对比训练集和验证集上损失函数的表现，最终保存并使用表现最佳的模型； 步骤F，预测输出：通过训练好的模型输入新的初始参数和环境参数，生成需要预测的冻融损伤变量。

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吉林大学，其通讯地址为：130012 吉林省长春市西民主大街938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”。