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！

龙图腾网获悉甘肃煤炭地质勘查院申请的专利一种基于多模态融合的随钻不良地质体智能识别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：CN119322983B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202411323038.2，技术领域涉及：G06F18/2431；该发明授权一种基于多模态融合的随钻不良地质体智能识别方法是由王亚峰;曹小永;邵程龙;李万玲;陈结;蒲源源;桂振设计研发完成，并于2024-09-23向国家知识产权局提交的专利申请。

本一种基于多模态融合的随钻不良地质体智能识别方法在说明书摘要公布了：本发明提供一种基于多模态融合的随钻不良地质体智能识别方法，包括数据收集、数据预处理、特征提取、模态共有和私有特征提取、模态融合和不良地质体识别。本申请通过收集钻机运行参数、随钻振动参数、随钻声学信号以及随钻电阻率成像图四种模态数据组成多模态随钻数据集，多模态数据能够充分利用不同数据源的互补性，为不良地质体的识别提供更加全面的分析，这种技术不仅能够提高识别的准确性和可靠性，还能通过不同数据模态的交叉验证来增强抗噪能力，滤除环境干扰信号；此外，多模态融合能够适应更加复杂的地质环境，尤其是在多种地质异常并存的情况下，能够更好识别潜在的不良地质体，提供实时精确的反馈，为复杂地质条件施工提供技术支持。

本发明授权一种基于多模态融合的随钻不良地质体智能识别方法在权利要求书中公布了：1.一种基于多模态融合的随钻不良地质体智能识别方法，其特征在于，包括以下步骤： 数据收集：收集多模态随钻数据和对应的不良地质体信息，所述多模态随钻数据包括钻机运行参数、随钻振动参数、随钻声学信号以及随钻电阻率成像图； 数据预处理：选择钻机运行参数、随钻振动参数、随钻声学信号以及随钻电阻率成像图四种模态数据组成多模态随钻数据集，选择随钻数据对应的不良地质体形成数据集标签，数据集标签用于指导模型学习如何根据输入的多模态随钻数据来识别不同的不良地质体，通过模型预测结果与实际地质情况之间的对应关系，使模型能够通过比较预测和实际标签来学习，不断优化改进模型； 特征提取：所述多模态随钻数据集的输入为钻机运行参数模态r、随钻振动参数模态v、随钻声学信号模态a、随钻电阻率成像图模态i共四种模态，对应的原始模态数据为其中，Tm为不同模态输入样本数量，dm为不同模态特征维度，m为模态类别； 对钻机运行参数、随钻振动参数、随钻声学信号三类模态，使用堆叠的双向长短期记忆即BiLSTM将不同的原始模态数据映射到一个统一的维度得到特征xm＝BiLSTMom,m∈{r,v,a}；对随钻电阻率成像图模态使用图像特征提取器残差神经网络即ResNet，将原始模态数据映射到一个统一的维度得到特征xm＝ResNetom,m∈{i}；最终四种模态提取到的统一维度特征分别为xm,m∈{r,v,a,i}； 模态共有和私有特征提取：将每种模态特征进行两次映射得到模态共有特征空间和模态私有特征空间，具体为将不同模态特征经过共有编码器Ec映射到模态共有隐藏特征将不同模态特征经过私有编码器Ep映射到模态私有隐藏特征其中，共有编码器Ec和私有编码器Ep均由前馈神经网络和Sigmoid激活函数构成；四种模态特征分别经过共有编码器Ec映射到模态共有特征空间和私有编码器Ep映射到模态私有特征空间后，得到四个模态共有隐藏特征和四个模态私有隐藏特征 模态融合：将模态共有子空间的特征视为共有模态将模态私有子空间的特征视为私有模态将共有模态和私有模态堆叠得到矩阵根据Cross-modalTransformer模型，利用私有模态数据增强共有模态特征，堆叠矩阵M转化为 接着，使用Transformer模型进行特征提取得到矩阵 不良地质体识别：将矩阵向量进行拼接得到矩阵之后矩阵经过一个前馈神经网络G·得到最终的不良地质体识别结果表明该钻进区域是否存在不良地质体信息以及不良地质体的类型。

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甘肃煤炭地质勘查院，其通讯地址为：730000 甘肃省兰州市城关区定西路241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。