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！

龙图腾网获悉煤炭科学研究总院有限公司申请的专利一种考虑多要素信息的矿井向量化表征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：CN116680453B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202310799027.0，技术领域涉及：G06F16/901；该发明授权一种考虑多要素信息的矿井向量化表征方法是由杨森森;李海涛;薛珊珊;朱小景;李云鹏;张海宽设计研发完成，并于2023-07-03向国家知识产权局提交的专利申请。

本一种考虑多要素信息的矿井向量化表征方法在说明书摘要公布了：本发明涉及煤矿数字化领域，具体涉及一种考虑多要素信息的矿井向量化表征方法，包括提取多个矿井中节点、属性和关系表示为图结构数据，进行编码获得特征向量并分类、归一化；利用学习参数矩阵统一维度、通过消息传递网络更新表征；合并、采用多层神经网络解码；利用多层图卷积生成矿井向量化表征。本发明应用图神经网络模型将矿井中的节点和边转化成向量表示，实现了矿井多要素信息的全面、精准表征；得到的向量化表征可以应用于后续的下游任务，使得矿井数字化转型和智能化建设更加高效和精准。因此，本发明具有很好的应用前景和推广价值。

本发明授权一种考虑多要素信息的矿井向量化表征方法在权利要求书中公布了：1.一种考虑多要素信息的矿井向量化表征方法，其特征在于，包括如下步骤： S11：从M个矿井中提取节点、节点属性和节点关系，并将节点和节点关系表示为图结构数据；M个矿井共有n个节点，Φ种节点类型，P种节点关系；所述节点至少包含工作面、巷道、断层、褶区、钻孔节点类型，所述节点关系至少包含相邻关系、包含关系； S12：将节点所包含的节点属性进行特征编码获得节点特征向量，表示为{x1,x2,…,xi,…,χn}，一个属性采用一个特征向量表示； 对于数值型节点属性，其特征向量的值即为其节点属性值；对于有序性非数值型节点属性采用映射有序特征编码，对于无序性非数值型节点属性采用独热编码； S13：将步骤S12中获取的节点特征向量按节点类型分类，并对每一类型的节点进行归一化处理；处理方法为：假设第i个节点在第φ种节点类型中，1≤i≤n，1≤φ≤Φ，第φ种节点类型包含的节点集合为Vφ，归一化后的节点特征向量表示为xi，归一化公式为 S21：通过学习参数矩阵Mφ将每种节点类型的节点特征向量转换为统一维度的节点表征{x′1,x′2,…,x′i,…,x′n}，转化公式为 x′i＝Mφ·xi 其中，Mφ表示第φ种节点类型的学习参数矩阵； S22：通过消息传递网络更新每一个节点表征，具体的：按节点关系将图结构数据划分成P张图结构数据子图，一种节点关系对应一张图结构数据子图；对每一张图结构数据子图进行节点表征更新，更新方法为：对于第p张图结构数据子图，1≤p≤P，其在经过k次更新后，第i个节点的节点表征更新值为更新公式为 其中，MLP表示多层感知机，表示第p张子图中第i个节点的邻居节点集合，表示为在经过k-1次更新后第p张子图中第i个节点的邻居节点中的第j个邻居节点的节点表征更新值，为集合中的节点个数，Wp为学习参数矩阵，表示为在经过k-1次更新后第i个节点的节点表征更新值，初值 S23：对步骤S22更新后的节点表征进行合并得到合并节点表征z，合并公式为 其中，β为学习参数； S3：解码合并节点表征z，将合并节点表征z输入多层神经网络，每一层神经网络就是一个全连接层，得到解码后的节点特征向量和x的交叉熵作为损失函数； S41：将所有的节点和节点关系重新考虑为一张图结构数据，然后以矿井为单位划分一级子图，一个矿井对应一张一级子图； S42：以节点关系为划分依据，对每一张一级子图再划分为P张二级子图，并生成二级子图的邻接矩阵Amp，将二级子图中的节点表征聚合为一个节点表征矩阵Zmp，聚合公式为 mp＝stacki∈nodemz 其中，stack表示按行拼接，nodem为第m个矿井下的所有节点，1≤m≤M，Zmp和Amp分别表示为第m个二级子图中的第p类关系下的节点表征矩阵和邻接矩阵； S43：选取节点数最多的一张一级子图，将其节点数作为最大节点数，扩充节点表征矩阵Zmp行数为最大节点数，扩充行值充填为0，邻接矩阵Amp也相应的进行行列扩充； S44：将节点表征矩阵Zmp和邻接矩阵Amp合并为P通道矩阵Z和A，并进行多层图卷积操作，其中，第l+1层的卷积公式为 其中，σ·表示非线性激活函数；I为单位矩阵；为第l层卷积公式，l是第l层的学习参数矩阵，的度矩阵，是对角矩阵，主对角线之外的元素为零，主对角线上的元素表示的第ι行第ι列，表示的第l行第ξ列，为的第ι行的所有列累加； S45：将多层图卷积最后一层卷积公式得到的矩阵Hm展平成向量cm作为矿井向量化表征； S46：将矿井向量化表征cm进行k-means聚类，聚类误差做为损失函数微调学习参数矩阵Wl，假设k-means聚类算法得到簇划分S＝{S1，S2，...，SΛ}，则聚类误差： 其中，是簇Sλ的均值向量，1≤λ≤Λ。

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煤炭科学研究总院有限公司，其通讯地址为：100013 北京市朝阳区青年沟路5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。