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！

龙图腾网获悉东华理工大学申请的专利一种基于多任务机器学习的莫霍面结构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：CN115330716B 。

龙图腾网通过国家知识产权局官网在2025-12-12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：202210965365.2，技术领域涉及：G06T7/00；该发明授权一种基于多任务机器学习的莫霍面结构预测方法是由陈昊;李红星;倪然;朱敏;汪舒妍设计研发完成，并于2022-08-12向国家知识产权局提交的专利申请。

本一种基于多任务机器学习的莫霍面结构预测方法在说明书摘要公布了：本发明涉及一种基于多任务机器学习的莫霍面结构预测方法，包括如下步骤：S1、利用基于卷积神经网络的样式迁移技术从真实数据中学习噪声特征，将真实接收函数噪声样式迁移至模拟数据中，从而生成带噪声的模拟数据集；S2、利用基于应参数共享的多任务卷积神经网络完成预测模型训练，得到可以预测单台下方莫霍面结构的预测模型，其中莫霍面结构包括深度、走向、下倾角；S3、利用加速贝克曼与阈值迭代方法对缺失的方位角的实际预测数据中进行重建；S4、对单台的莫霍面结构进行预测。该方法改变传统思路和处理流程，结合深度神经网络，通过清晰、简洁的流程化的策略，实现了对地球深部莫霍面的准确预测。

本发明授权一种基于多任务机器学习的莫霍面结构预测方法在权利要求书中公布了：1.一种基于多任务机器学习的莫霍面结构预测方法，其特征在于，包括如下步骤： S1、利用基于卷积神经网络的样式迁移技术从真实数据中学习噪声特征，将真实接收函数噪声样式迁移至模拟数据中，从而生成带噪声的模拟数据集； S2、利用基于硬参数共享的多任务卷积神经网络完成预测模型训练，得到可以预测单台下方莫霍面结构的预测模型，其中莫霍面结构包括深度、走向、下倾角，基于硬参数分享的多任务学习的基本思路，采用多任务机器学习的算法中最直观且经典的Share-Bottom来完成模型的搭建,将深度设为分类任务，将莫霍面结构和下倾角作为回归任务，分类任务的损失函数为使用交叉熵损失函数，走向和下倾角的回归任务的损失函数为均方误差损失，总损失函数为三个损失函数的线性相加； S3、利用加速贝克曼与阈值迭代方法对缺失的方位角的实际预测数据中进行重建,由于地震分布不均以及部分反方位角数据质量不佳，造成真实数据中常常会出现多个方位角连续缺失的情况，因此在对真实数据进行预测前，将采用加速贝克曼和阈值迭代联合的方法对数据进行重建，该方法采用曲波变换作为稀疏基，利用加速线性贝克曼方法，并与阈值迭代方法联合，利用新型线性和指数加权因子来调节加速贝克曼方法和阈值迭代方法的比重； S4、对单台的莫霍面结构进行预测。

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东华理工大学，其通讯地址为：344000 江西省抚州市学府路56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。