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！

龙图腾网获悉山东大学申请的专利基于联合深度学习网络的不良地质类型判识方法及系统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：CN119474810B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202411522314.8，技术领域涉及：G06F18/213；该发明授权基于联合深度学习网络的不良地质类型判识方法及系统是由李志强;井鹏宇;聂利超;陈安东;晏勤;邓朝阳设计研发完成，并于2024-10-29向国家知识产权局提交的专利申请。

本基于联合深度学习网络的不良地质类型判识方法及系统在说明书摘要公布了：本发明提出基于联合深度学习网络的不良地质类型判识方法及系统，涉及地质灾害预报技术领域。包括获取训练信息，包括开挖段落的地质资料、物探反演成像信息及钻探信息；将训练信息输入至预先建立的联合深度学习网络模型中，依次进行数据预处理、特征提取和特征融合，得到联合特征表示，并基于联合特征表示，得到不良地质体的判别类型及形态刻画；其中，所述联合深度学习网络模型包括DNN模型、CNN模型和RNN模型，分别利用DNN模型、CNN模型和RNN模型提取训练信息中数字类数据、图像类数据和文字描述类数据的特征。本发明能够快速准确的对隧道前方不良地质体进行种类判别以及形态刻画，减轻人工预报压力。

本发明授权基于联合深度学习网络的不良地质类型判识方法及系统在权利要求书中公布了：1.基于联合深度学习网络的不良地质类型判识方法，其特征在于，包括以下步骤： 获取训练信息，包括开挖段落的地质资料、物探反演成像信息及钻探信息； 将训练信息输入至预先建立的联合深度学习网络模型中，依次进行数据预处理、特征提取和特征融合，得到联合特征表示，并基于联合特征表示，得到不良地质体的判别类型及形态刻画； 其中，所述联合深度学习网络模型包括并列设置的DNN模型、CNN模型和RNN模型，在进行特征提取时，分别利用DNN模型、CNN模型和RNN模型提取训练信息中数字类数据、图像类数据和文字描述类数据的特征； 在DNN模型中，通过自适应层数调整、添加残差连接确保梯度能够顺利传播、在每一层加入Dropout操作有效提升模型的泛化能力、对每层输出进行批标准化操作帮助模型在训练时更快收敛、引入混合激活函数更好的适应地质数据中复杂的非线性特征，对传统的DNN模型进行改进，从而更加适配于地质类型判识过程中数字类数据的处理； 在CNN模型中，通过多尺度卷积、将深层卷积层提取的高维特征和浅层卷积层提取的低维特征进行融合、通过空洞卷积在不增加参数量的前提下扩大感受野、将注意力机制集成到卷积网络中、以及采用深度可分离卷积对传统的CNN模型进行改进，从而更加适配于地质类型判识过程中图像类数据的处理； 在RNN模型中，通过双向RNN同时捕捉地质文本中的前后依赖信息、引入自注意力机制帮助RNN在长序列输入中找到重要的特征、用Transformer架构来替代传统RNN、引入分层RNN架构将地质文本分层处理、并引入记忆增强机制对传统的RNN模型进行改进，从而更加适配于地质类型判识过程中图像类数据的处理。

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山东大学，其通讯地址为：250061 山东省济南市历下区经十路17923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。