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！

龙图腾网获悉长江大学申请的专利基于深度学习耦合约束的重磁联合反演方法、系统及终端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：CN115826083B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202211303333.2，技术领域涉及：G01V11/00；该发明授权基于深度学习耦合约束的重磁联合反演方法、系统及终端是由熊杰;杨浩康;陈宇旋;薛瑞洁设计研发完成，并于2022-10-24向国家知识产权局提交的专利申请。

本基于深度学习耦合约束的重磁联合反演方法、系统及终端在说明书摘要公布了：本发明属于重磁勘探技术领域，公开了一种基于深度学习耦合约束的重磁联合反演方法、系统及终端，基于重磁异常体模型进行正演以及高斯模糊模拟产生样本数据集，构建Trans_FCN反演网络；利用样本数据集训练所述Trans_FCN重磁模型转换网络实现重磁数据之间的“软”映射；最后由训练好的深度神经网络为联合反演提供“正确”的参考模型。本发明可以准确的反演出重磁异常体的位置和物性，具有较强的学习能力和一定的泛化能力，能有效解决重磁异常数据反演问题。本发明设计不同物性和尺寸模型，通过移动模型位置、设置不同的物性组合并进行高斯模糊得到大量数据后，可以同时学习到重磁模型之间的物性耦合和结构耦合关系，能够有效提高联合反演效果。

本发明授权基于深度学习耦合约束的重磁联合反演方法、系统及终端在权利要求书中公布了：1.一种基于深度学习耦合约束的重磁联合反演方法，其特征在于，包括： 利用重磁异常体模型产生样本数据集，构建重磁模型转换网络Trans_FCN； 基于所述样本数据集训练所述重磁模型转换网络Trans_FCN； 利用所述重磁模型转换网络Trans_FCN为重磁联合反演提供“正确”的参考模型，最终得到更为可靠的反演结果； 所述基于深度学习耦合约束的重磁联合反演方法包括以下步骤： 步骤一，采用Matlab语言设计大量重磁异常体模型，并进行高斯模糊生成样本数据集； 步骤二，构建重磁模型转换网络，并利用生成的样本数据集对构建的Trans_FCN网络进行训练，优化所述Trans_FCN网络的网络参数； 步骤三，将重磁单独反演结果输入到训练好的Trans_FCN网络中，为下一步重磁反演提供“正确”的参考模型，实现重磁物性模型的交互，提高重磁联合反演的可靠性，重复步骤三最终得到重磁反演结果； 所述重磁模型转换网络Trans_FCN包括： 所述Trans_FCN的输入数据大小为M×N×K，输出大小的数据同样为M×N×K，M、N、K分别为x，y，z三个方向剖分的网格数； 所述Trans_FCN网络的结构包含三个部分：编码部分、解码部分和跳跃连接；所述编码部分包含多个3×3大小的卷积、批归一化层、Relu激活函数、2×2最大池化层，同时解码部分采用2×2的反卷积层、多个3×3的卷积层、批归一化层、Relu激活函数，对应的解码恢复部分表示输出； 所述步骤三中重磁单独反演的过程包括： 3.1通过重磁地球物理资料计算目标函数，所述重磁地球物理资料包括观测数据、初始模型、参考模型、深度加权、光滑约束、物性约束； 3.2求导目标函数并计算导数值是否达到阈值； 3.3若达到阈值或最大迭代次数则得到单独反演结果，若未达到阈值或最大迭代次数则用高斯牛顿法求解目标函数并更新初始模型并重复步骤3.1直到达到阈值。

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长江大学，其通讯地址为：434100 湖北省荆州市南环路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。