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！

龙图腾网获悉上海勘察设计研究院(集团)股份有限公司申请的专利一种基于随机场与深度学习的多源数据地层分层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：CN120030884B 。

龙图腾网通过国家知识产权局官网在2025-12-05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：202510085932.9，技术领域涉及：G06F30/27；该发明授权一种基于随机场与深度学习的多源数据地层分层预测方法是由杨石飞;苏辉;李鸣洲;金宗川;许杰;梁振宁;蔡永生;张静;谢飞;潘华;王维;尚颖霞;彭艾鑫;李元昊;李蕊;罗永康设计研发完成，并于2025-01-20向国家知识产权局提交的专利申请。

本一种基于随机场与深度学习的多源数据地层分层预测方法在说明书摘要公布了：本发明公开了一种基于随机场与深度学习的多源数据地层分层预测方法，包括：提取钻探数据、静探数据及分层信息，并通过HGB捕捉深度趋势，结合高斯过程拟合HGB模型预测值与真实值之间的复杂的非线性残差，最终生成两种连续随机场；基于生成的连续随机场，构建多任务深度学习模型，利用Transformer提取深层语义特征，结合LSTM建模深度方向长距离依赖，多头注意力机制强化局部与全局特征学习，CRF层精确优化分层边界预测，从而实现地层分层与边界精确预测的统一；通过蒙特卡洛随机采样引入随机场不确定性，实现地层分层的置信度计算和风险量化。本发明的优点是：精确地捕捉地层特性及边界，提供稳健可靠的地层分层解决方案。

本发明授权一种基于随机场与深度学习的多源数据地层分层预测方法在权利要求书中公布了：1.一种基于随机场与深度学习的多源数据地层分层预测方法，其特征在于所述方法包括以下步骤： S1：从岩土工程勘察数据库中获取钻探数据、静探数据和分层数据，生成钻探数据表、静探数据表和分层数据表； S2：基于所述钻探数据，通过HGB模型和高斯过程，生成钻探物理力学参数的连续随机场； S3：基于所述静探数据，通过HGB模型和高斯过程，生成静探PS值的连续随机场； S4：构建Transformer-LSTM-CRF混合深度学习模型；基于所述钻探物理力学参数的连续随机场和所述静探PS值的连续随机场，利用Transformer模型捕捉所述钻探数据和所述静探数据的上下文语义特征，利用双向LSTM层建模深度方向上的长距离依赖关系，利用多头注意力机制增强模型对局部和全局特征的学习能力，利用CRF层优化分层边界预测，从而实现地层分层与边界精确预测的统一； 在步骤S4中，具体步骤如下： S4.1：将所述钻探物理力学参数的连续随机场和所述静探PS值的连续随机场进行对齐，根据钻孔位置和深度信息，将所述钻探物理力学参数、所述静探PS值与所述分层数据匹配； S4.2：使用经过预训练后的Transformer模型对所述钻探数据和所述静探数据进行编码，用于获取输入序列的上下文嵌入表示，来提取深层次的语义信息，捕捉地质参数的上下文关系； S4.3：加入双向LSTM层，进一步提取序列的上下文信息，捕捉深度上的长距离依赖关系； S4.4：引入了多头注意力机制，通过在不同的注意力头上关注不同的特征，使得模型能够更好地捕捉地质数据中的多样性和复杂性； S4.5：加入层归一化和批归一化，保证在不同层次特征提取过程中数据分布的稳定性，减少梯度消失问题； S4.6：加入边界预测模块，使用线性层将双向LSTM层的输出映射到边界标签，使用CRF层对边界标签进行序列标注，捕捉边界与所述钻探数据、所述静探数据之间的依赖关系； S5：采用蒙特卡洛随机采样，将所述连续随机场的不确定性引入混合深度学习模型预测过程，为分层结果提供置信度量化； S6：使用针对土层划分的评估指标以及可视化作图对混合深度学习模型训练及预测结果进行评估。

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上海勘察设计研究院(集团)股份有限公司，其通讯地址为：200093 上海市杨浦区水丰路38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。