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！

龙图腾网获悉山东科技大学申请的专利一种基于地形单元分区使用机器学习反演海底地形的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：CN116861955B 。

龙图腾网通过国家知识产权局官网在2025-08-29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：202310763911.9，技术领域涉及：G06N3/044；该发明授权一种基于地形单元分区使用机器学习反演海底地形的方法是由范美琦;陈义兰;孙贺元;张倩然;付延光;周兴华;王燕红设计研发完成，并于2023-06-27向国家知识产权局提交的专利申请。

本一种基于地形单元分区使用机器学习反演海底地形的方法在说明书摘要公布了：本发明公开一种基于地形单元分区使用机器学习反演海底地形的方法，属于地球物理技术领域，用于反演海底地形，包括将重力异常、短波重力异常、垂直重力梯度异常和残余垂直重力梯度异常组成机器学习模型所需的特征数据集，特征数据集构成训练集，格网化的特征数据集组成预测集；将训练集进行整体性相关性分析，调整模型的各种参数，将所有训练集输入机器学习模型进行训练，再将预测集输入到训练好的机器学习模型中，得到全区水深值，将分区预测结果融合得到整体区域最终的水深。本发明利用机器学习强大的非线性映射能力解决传统反演方法忽略重力信息和海底地形非线性项作用的问题，从而提高地形起伏大、变化快的区域的反演精度。

本发明授权一种基于地形单元分区使用机器学习反演海底地形的方法在权利要求书中公布了：1.一种基于地形单元分区使用机器学习反演海底地形的方法，其特征在于，包括： S1.从重力异常中分离出短波重力异常； S2.从垂直重力梯度异常分离出残余垂直重力梯度异常； S3.将重力异常、短波重力异常、垂直重力梯度异常和残余垂直重力梯度异常组成机器学习模型所需的特征数据集，特征数据集构成训练集，格网化的特征数据集组成预测集，机器学习模型使用BP神经网络模型； S4.将训练集与水深数据作相关性分析，采用皮尔逊相关系数衡量训练集和水深数据之间的相关性，根据训练集与水深数据的相关性决定训练集在训练模型时所占权重比例；将所有训练集输入机器学习模型进行训练，再将预测集输入到训练好的机器学习模型中，得到全区水深值； S5.将全区水深值格网化，得到全区海底地形模型； 由全区海底地形模型判断该区具有的地形地貌，将研究区的地形按照海岭、海沟、海盆三种地形特征进行地形单元分区，将各个子区域的船测水深数据和重力数据分别进行步骤S1,S2,S3处理，得到各个子区域的特征数据集，将船测水深控制点位置的特征数据集作为分区训练集，分区训练集输入机器学习模型进行训练，再将分区预测集输入到机器学习模型，得到分区预测结果，并将分区预测结果融合得到整体区域最终的水深； S1包括： 实测单波束点的短波重力Δgres使用控制点jn水深通过布格板公式进行计算： 式中，表示在控制点jn上的短波分量；G为引力常数；Δρ为海水和海底洋壳之间的最优密度差异常数；D表示参考水深，取船载测深数据的最大水深；为控制点水深值； 采用迭代法计算不同密度差异常数对应的预测水深与实测水深的相关关系和均方根误差，当均方根误差最小且相关系数最大时的密度差异常数即为最优值； S2包括： 将重力数据和水深看作两种不同的信号，两者的相干性为： 其中，为互谱相干函数；Gk、Hk分别代表重力信号的傅里叶变换和地形信号的傅里叶变换；G*k、H*k分别代表Gk、Hk的复数共轭； 对去趋势后的水深数据和垂直重力梯度异常进行相干性分析，选取大于0.5的波段范围内的数据进行线性回归，并获取到波段垂直重力梯度异常-波段水深比例因子，将得到的比例因子与船测水深相乘，得到参考垂直重力梯度异常，用垂直重力梯度异常减去参考垂直重力梯度异常，得到测深点的残余垂直重力梯度异常，内插得到研究区的垂直重力梯度异常场。

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山东科技大学，其通讯地址为：266590 山东省青岛市黄岛区前湾港路579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”。