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！

龙图腾网获悉中国地质大学(武汉)申请的专利一种贝叶斯深度学习的矿产预测与勘查风险评价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：CN119940936B 。

龙图腾网通过国家知识产权局官网在2025-12-19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：202510050420.9，技术领域涉及：G06Q10/0635；该发明授权一种贝叶斯深度学习的矿产预测与勘查风险评价方法是由刘岳设计研发完成，并于2025-01-13向国家知识产权局提交的专利申请。

本一种贝叶斯深度学习的矿产预测与勘查风险评价方法在说明书摘要公布了：本申请提供了一种贝叶斯深度学习的矿产预测与勘查风险评价方法，涉及矿产勘查技术领域，方法包括：构建多源地质数据集并进行预处理，得到矿床及控矿要素；通过数据预处理，构建训练数据集，进而构建基于Metropolis‑Hastings采样的贝叶斯神经网络训练模型；基于训练模型，输入所有控矿要素数据集，计算概率均值、偶然不确定性估计以及认知不确定性估计，并绘制预测概率图、偶然不确定性图和认知不确定性图，进行矿床勘查风险和找矿潜力评价。本发明采用基于蒙特卡罗Metropolis‑Hastings采样方法，提供了更可靠的成矿概率制图和不确定性估计，并能够有效区分认知不确定性与偶然不确定性。

本发明授权一种贝叶斯深度学习的矿产预测与勘查风险评价方法在权利要求书中公布了：1.一种贝叶斯深度学习的矿产预测与勘查风险评价方法，其特征在于，方法包括以下步骤： S1：构建多源地质数据集并进行预处理，得到矿床及控矿要素，构建控矿要素数据集； S2：构建基于Metropolis-Hastings采样的贝叶斯神经网络训练模型； 步骤S2包括： 设置贝叶斯神经网络训练模型的网络层数、每层神经元数量以及激活函数softmax； 设定贝叶斯神经网络训练模型的权重和偏置的先验分布，具体如下： 将矿床及控矿要素作为输入数据，定义贝叶斯神经网络训练模型的输入数据为x，输出标签为y，训练数据为D＝{x,y}； 神经网络参数为θ的贝叶斯神经网络训练模型的预测输出的概率分布表示，如下： py|x,θ＝softmaxfθx fθx＝wLgwL-1g…gw1x+b1+bL-1+bL 式中，fθx为贝叶斯神经网络训练模型的输出预测，g·为激活函数，wl,bl分别为贝叶斯神经网络训练模型的第l层的权值矩阵和偏置向量； 步骤S2还包括： 设定贝叶斯神经网络训练模型的似然函数，具体步骤如下： 将矿床出现标记为1，矿床未出现标记为0，每个样本属于两个类别中的一个； 设每个样本xi的标签yi取值为0或1，贝叶斯神经网络训练模型输出的预测概率pi表示样本xi属于类别1的概率； 二项分布的似然函数定义为： pi＝pyi＝1|xi,θ 其中，yi∈{0,1}为样本i的真实标签；表示yi取0时的概率为0，yi取1时的概率为pi；取0时的概率为1-pi，yi取1时的概率为0； 将二项分布的似然函数转化为对数似然函数： log[pyi|xi,θ]＝yi·logpi+1-yi·logpi 将对数似然取负数，得到负对数似然，即损失函数L，如下： l＝-log[pyi|xi,θ]＝-yi·logpi-1-yi·logpi S3：将控矿要素数据集输入贝叶斯神经网络训练模型，得到概率均值、偶然不确定性估计以及认知不确定性估计； S4：通过概率均值、偶然不确定性估计以及认知不确定性估计，绘制预测概率图、偶然不确定性图和认知不确定性图，进行矿床勘查风险和找矿潜力评价。

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中国地质大学(武汉)，其通讯地址为：430000 湖北省武汉市洪山区鲁磨路388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。