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！

龙图腾网恭喜中南大学申请的专利一种物理信息引导的深度学习地电模型电磁正演模拟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：CN119598808B 。

龙图腾网通过国家知识产权局官网在2025-05-23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：202411695094.9，技术领域涉及：G06F30/23；该发明授权一种物理信息引导的深度学习地电模型电磁正演模拟方法是由郭振威;王博琛;熊繁升;王妍艺;高大维;柳建新设计研发完成，并于2024-11-25向国家知识产权局提交的专利申请。

本一种物理信息引导的深度学习地电模型电磁正演模拟方法在说明书摘要公布了：本发明涉及地球物理和人工智能领域，具体公开了一种物理信息引导的深度学习地电模型电磁正演模拟方法，该方法包括：S1、准备神经网络输入数据；S2、搭建全连接的深度神经网络；S3、加入物理信息约束，将地电模型电磁场满足的亥姆霍兹方程以及边界条件作为物理信息约束加入损失函数；S4、进行网络训练，利用自动微分求取网络输出对输入的偏导数，得到训练好的全连接深度神经网络；S5、进行结果预测，对保存好神经网络模型参数的训练网络输入任意点的空间坐标，得到地电模型中该点的电磁响应。本发明实现了对地电模型中任意位置电磁响应的求解，为电磁法勘探中电磁响应的计算提供了智能化方案。

本发明授权一种物理信息引导的深度学习地电模型电磁正演模拟方法在权利要求书中公布了：1.一种物理信息引导的深度学习地电模型电磁正演模拟方法，其特征在于，步骤如下：S1、准备神经网络输入数据，从待求解地电模型的计算区域中采样点并获得其对应的空间坐标，预测点可为计算区域内的任意点，其空间坐标也通过采样得到；S2、搭建全连接的深度神经网络，在隐藏层中加入激活函数，输入为归一化后的采样点坐标，输出分别为经过地表电场值归一化后的电场的实部和虚部；S3、加入物理信息约束，将数据点坐标输入神经网络后所得输出与其真实电磁响应的残差作为数据误差，并将地电模型电磁场满足的亥姆霍兹方程以及边界条件作为物理信息约束加入损失函数；S3中，所述数据残差采用MAE、MSE、RMSE三种计算方式计算；所述亥姆霍兹方程包含TETM两种极化方式，满足的亥姆霍兹方程为： ；其中，为电场值，，为角频率，为磁导率，为电导率，则满足的偏微分损失为： ；其中，表示偏微分方程损失，表示满足该损失的配置点数量，用于遍历从1到中的每个元素，为这些配置点的空间垂向坐标；所述数据残差严格满足亥姆霍兹方程时误差为零，不满足则为网络输出未严格满足亥姆霍兹方程所带来的误差；S3中，所述亥姆霍兹方程的约束拆解成实部、虚部两个部分，其表达式为： ； ；其中，为偏导数符号，为的实部和虚部；S3中，所述边界条件包括第一类狄利克雷边界条件、第二类诺伊曼边界条件、第三类洛平边界条件；所述地电模型的上边界条件以强约束的形式给出，其构建神经网络解的假设为： ； ；其中，为神经网络输出，为双曲正切函数，为一个可训练参数，为进行归一化后的空间垂向坐标；所述地电模型的下边界条件以第三类边界条件给出，下边界损失定义为： ；式中，表示下边界配置点数量，用于遍历从1到中的每个元素，为最大深度点坐标；S4、进行网络训练，利用自动微分求取网络输出对输入的偏导数即亥姆霍兹方程中的偏微分项，得到训练好的全连接深度神经网络，具体为采用合适的优化器和学习率，利用误差反向传播迭代更新网络参数，使得损失函数最小化并趋于收敛；S5、进行结果预测，对保存好神经网络模型参数的训练网络输入任意点的空间坐标，得到地电模型中该点的电磁响应。

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南大学，其通讯地址为：410083 湖南省长沙市岳麓区麓山南路932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”。