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！

龙图腾网获悉武汉大学申请的专利一种物理约束深度学习森林生物量估算方法和系统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：CN121168877B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202511704600.0，技术领域涉及：G06Q10/063；该发明授权一种物理约束深度学习森林生物量估算方法和系统是由邵振峰;常佳蕙;王金阳;庄庆威;龙海波设计研发完成，并于2025-11-20向国家知识产权局提交的专利申请。

本一种物理约束深度学习森林生物量估算方法和系统在说明书摘要公布了：本发明公开了一种物理约束深度学习森林生物量估算方法和系统，具体包括：星载激光雷达GEDI足迹预处理与质量筛选；SAR辐射定标、地形校正和斑点噪声滤波；光学数据辐射校正、大气校正和几何校正；多源遥感数据时空对齐与特征变量提取；构建融合物理约束的深度学习模型；基于时空可解释性分析SHAP进行特征优选与模型重构；对重构后的最终模型进行对比和精度验证；基于最优深度学习模型生成高分辨率的年度森林生物量地图。本发明所提方法得到的估算结果具有较高的精度和准确性，为区域森林资源管理和碳汇能力评估提供科学的数据支撑和决策建议。

本发明授权一种物理约束深度学习森林生物量估算方法和系统在权利要求书中公布了：1.一种物理约束深度学习森林生物量估算方法，其特征在于，包括以下步骤： 步骤1，星载激光雷达GEDI足迹数据预处理与质量筛选； 步骤2，合成孔径雷达SAR辐射定标、地形校正和斑点噪声滤波； 步骤3，光学数据辐射校正、大气校正和几何校正； 步骤4，多源遥感数据时空对齐与特征变量提取； 步骤5，构建融合物理约束的深度学习模型，所述深度学习模型的输入为步骤4提取的特征变量，输出为森林生物量AGB； 步骤5的具体实现包括： 步骤5.1，构建神经网络模块，特征变量作为输入，并通过卷积神经网络CNN分支提取高层特征表示，CNN接受步骤4中提取的特征变量作为输入，依次经过卷积操作、批量归一化、激活函数ReLU、池化层、注意力机制模块、时空融合层即长短期记忆网络、全连接层，最终输出的是包含N个AGB预测值的向量，； 步骤5.2，构建物理约束模块，将异速生长方程作为物理约束，并将其显式集成到深度学习模型的训练过程中，具体包括： 5.2.1异速生长方程的表达式为： 13 式中，为森林地上生物量，是自然对数的符号；是树高；和是不同森林类型异速生长方程的参数； 5.2.2生成物理先验信息：物理约束模块利用树高及其对应森林类型的异速生长参数和，代入异速生长方程计算得到基于物理规律的理论AGB值； 5.2.3自适应权重机制：用于动态调整物理约束在总损失函数中的强度，即权重系数，根据模型在训练过程中的表现调整值； 5.2.4总损失函数定义为数据驱动损失和物理约束损失的加权和： 14 式中，是模型的总损失函数；是数据驱动损失函数；为物理约束损失函数； 物理损失函数为： 15 式中，为深度学习模型对第个像素的AGB预测值；表示异速生长方程估算的理论AGB值；和为不同森林类型的参数；为像素的总数； 数据损失函数为： 16 式中，为第个像素的星载激光雷达AGB值；式中，为模型对第个像素的AGB预测值，为第个像素的星载激光雷达AGB真实值，为像素总数； 步骤5.3，构建反馈机制模块，通过反向传播算法迭代更新神经网络的权重和偏置，最小化总损失函数； 步骤5.3中反馈机制模块具体包括： 5.3.1使用优化器更新模型的权重和偏置； 5.3.2权重和偏置迭代更新：通过反向传播算法，模型的权重和偏置会根据总损失函数L的梯度进行迭代更新；每次迭代中，模型计算损失对模型参数的梯度，并沿着梯度的负方向调整参数，以逐步最小化损失，更新规则表示为： 17 18 式中，是学习率；为迭代轮次；为模型的权重；为模型的偏置；为总损失对所有权重的梯度；为总损失对所有偏置的梯度； 5.3.3在模型训练和预测过程中，通过引入蒙特卡洛Dropout、集成学习或贝叶斯神经网络，对AGB预测结果的置信度进行评估，并输出预测的置信区间； 5.3.4训练过程持续进行，直到总损失达到最佳水平并满足预定义的收敛标准；当满足收敛条件时，训练过程终止，此时得到的模型参数能够生成最准确且具有不确定性信息的AGB预测结果； 步骤6，基于时空可加性解释方法SHAP量化多源多时相特征的协同贡献，以量化不同来源和不同时相特征变量对森林地上生物量估算结果的协同贡献，并依据量化结果筛选出最优特征子集，最终基于该最优特征子集训练深度学习模型； 步骤7，对步骤6中的深度学习模型进行准确性和可靠性评估； 步骤8，基于最优的深度学习模型，结合高分辨率的合成孔径雷达、光学数据以及GEDI足迹数据，生成高分辨率的年度森林生物量AGB地图。

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武汉大学，其通讯地址为：430072 湖北省武汉市武昌区八一路299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。