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！

龙图腾网获悉北京工业大学申请的专利基于物理驱动深度学习的近场波动数值模拟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：CN115392131B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202211123343.8，技术领域涉及：G06F30/27；该发明授权基于物理驱动深度学习的近场波动数值模拟方法是由丁毅;陈苏;李小军;孙浩;赵密;栾绍凯设计研发完成，并于2022-09-15向国家知识产权局提交的专利申请。

本基于物理驱动深度学习的近场波动数值模拟方法在说明书摘要公布了：本发明涉及一种基于物理驱动深度学习的近场波动数值模拟方法，包括采样步骤、训练步骤、模拟步骤；在采样步骤中用Sobol序列算法实现时空样点采集，在训练步骤中，构建了人工神经网络模型及损失函数，优化了优化器模式，并在模拟步骤中采用训练后的人工神经网络预测任意分辨率下任意时空点的近场波动的波动方程解及解的各阶偏导。本发明具备无网格、精细化，波场侧边界全透射等优势，针对典型工况，训练形成的神经网络具有在不同初始条件的泛化能力，结合迁移学习，可高效提高网络的训练效率。

本发明授权基于物理驱动深度学习的近场波动数值模拟方法在权利要求书中公布了：1.一种基于物理驱动深度学习的近场波动数值模拟方法，其特征在于，所述方法包括以下步骤： 采样步骤：用Sobol序列算法分别在波动方程的全域Ω、Dirichlet边界和Neumann边界中采集若干个时空采样点；所述波动方程包括一维波动方程、二维SH波动方程；所述波动方程满足如式I中的微分方程与约束形式： 式I中，为带参数λ的微分算子，ux,t为微分方程fx,t的解，向量x为全域Ω中的空间变量，表示Dirichlet边界，表示Neumann边界，全域Ω∈Rdd×1,2,…,n，t∈[0,T]为时间变量，Dt,Nt,分别代表偏微分方程的初边值问题中的Dirichlet、Neumann边界条件，0x,1x分别代表初始条件函数； 训练步骤：通过数值方法计算初始条件，所述初始条件包括t1,t2时刻的两个早期位移场u1x1,z1,t1和u2x2,z2,t2； 将所述初始条件和所述时空采样点输入到人工神经网络，所述人工神经网络输出近似解 采用深度学习自动微分方法计算所述近似解的二阶偏导 根据损失函数计算每个所述时空采样点上的物理总损失Lθ，并将所述物理总损失Lθ反馈至所述人工神经网络，调整可训练参数θ进行下一次训练，直至若干次所述训练后所述物理总损失Lθ降低至预设值； 模拟步骤：采用经过所述训练步骤训练后的人工神经网络预测任意分辨率下任意时空点的近场波动的波动方程解及解的各阶偏导。

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北京工业大学，其通讯地址为：100124 北京市朝阳区平乐园100号北京工业大学；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。