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！

龙图腾网获悉河海大学申请的专利一种基于不确定性量化的含水层渗透系数场深度学习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：CN120763878B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202511278470.9，技术领域涉及：G06F18/25；该发明授权一种基于不确定性量化的含水层渗透系数场深度学习反演方法是由陈宁;吕沈欢;王超琦;窦智;朱延设计研发完成，并于2025-09-09向国家知识产权局提交的专利申请。

本一种基于不确定性量化的含水层渗透系数场深度学习反演方法在说明书摘要公布了：本发明涉及地下水文参数反演技术领域，公开了一种基于不确定性量化的含水层渗透系数场深度学习反演方法，包括如下步骤：步骤一、数据获取与预处理：获取井间抽水试验的空间水头场数据，将多次抽水试验形成的水头场整合为模型输入张量，并对所述水头场数据进行归一化预处理；获取对应的渗透系数场真实数据，对渗透系数值进行对数变换和归一化处理，作为模型训练标签；步骤二、模型构建：构建一个内置Dropout层的深度残差U‑Net神经网络模型H‑UQNet。本发明实现了高精度、高效率的渗透系数场反演，通过内置的不确定性量化机制和地质统计约束，显著提升了结果的可靠性和地质合理性，具有重要的理论研究价值与广阔的工程应用前景。

本发明授权一种基于不确定性量化的含水层渗透系数场深度学习反演方法在权利要求书中公布了：1.一种基于不确定性量化的含水层渗透系数场深度学习反演方法，其特征在于，包括如下步骤： 步骤一、获取井间抽水试验的空间水头场数据，将多次抽水试验形成的水头场整合为模型输入张量，并对所述水头场数据进行归一化预处理；获取对应的渗透系数场真实数据，对渗透系数值进行对数变换和归一化处理作为模型训练标签； 步骤二、构建内置Dropout层的深度残差U-Net神经网络模型H-UQNet，作为所述渗透系数场反演的预测模型； 步骤三、采用混合损失函数对所述H-UQNet模型进行训练，所述混合损失函数包含基于观测误差和地质统计约束的多个损失项； 步骤四、将训练完成的所述H-UQNet模型在推理阶段保持Dropout层开启，对同一组水头场输入数据执行多次前向传播以获得多个渗透系数场预测样本；根据所述多个渗透系数场预测样本计算得到渗透系数场的均值预测结果和空间方差不确定性场； 步骤五、输出所述渗透系数场的均值预测结果及对应的空间方差不确定性场，并对其进行可视化显示，以表征含水层渗透系数的空间分布特征和预测不确定性； 所述步骤二中，神经网络模型H-UQNet采用编码器－解码器架构，由多个残差卷积块堆叠组成，且每个残差卷积块均包括两个卷积层、两个批量归一化层、至少一个非线性激活函数和一个Dropout层以及将输入信号与卷积层输出相加的快捷残差连接； 所述快捷残差连接中增加一卷积层，以当残差卷积块的输入和输出通道数不一致时，对输入信号的通道数进行调整从而匹配输出通道的维度； 所述神经网络模型H-UQNet的编码器路径包括一初始卷积层，用于将输入水头数据的通道数扩展至预定的初始通道数，并依次包括至少两级残差卷积块及相应的下采样操作，以提取不同尺度的特征； 所述神经网络模型H-UQNet的解码器路径包括与编码器各级对应的上采样过程，每一级上采样通过转置卷积将特征图的空间尺寸放大，并与对应编码器阶段的特征图经跳跃连接拼接后输入解码器残差卷积块以融合重建特征。

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海大学，其通讯地址为：210024 江苏省南京市鼓楼区西康路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。