買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉河南省地質局礦產資源勘查中心申請的專利基于深度學習的礦藏預測方法、裝置及存儲介質獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119939163B 。

龍圖騰網通過國家知識產權局官網在2025-08-15發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510091254.7，技術領域涉及：G06F18/20；該發明授權基于深度學習的礦藏預測方法、裝置及存儲介質是由張廣平;李科強;王超;李假廣;高昂;趙亞飛;張春梅;黃鴿設計研發完成，并于2025-01-21向國家知識產權局提交的專利申請。

本基于深度學習的礦藏預測方法、裝置及存儲介質在說明書摘要公布了：本申請涉及數據處理技術領域，公開了一種基于深度學習的礦藏預測方法、裝置及存儲介質。該方法包括：通過數據校正和歸一化處理多源地質數據得到標準化數據集，利用深度學習模型提取特征并融合，構建成礦知識圖譜獲取知識向量，基于Transformer網絡和貝葉斯框架構建預測模型得到預測結果，經空間優化后利用深度生成模型構建三維可視化模型并進行解釋性分析，獲得預測驗證結果。本申請可以有效融合多源地質數據、同時完成多個預測任務、使預測結果既符合地質規律又具有較高的準確性。

本發明授權基于深度學習的礦藏預測方法、裝置及存儲介質在權利要求書中公布了：1.一種基于深度學習的礦藏預測方法，其特征在于，所述基于深度學習的礦藏預測方法包括： 通過數據校正和歸一化算法對遙感影像數據、地球物理勘探數據及地球化學數據進行預處理，得到標準化多源數據集； 依據所述標準化多源數據集，經由改進ResNet結構、三維卷積神經網絡及圖神經網絡構建特征提取模型，并利用變分自編碼器進行特征融合，獲得深度編碼特征，包括：將所述標準化多源數據集中的遙感影像數據輸入所述改進ResNet結構，通過卷積層提取空間特征，經殘差連接進行梯度傳遞，得到地表特征數據；對所述標準化多源數據集中的地球物理勘探數據進行三維數據重構，通過所述三維卷積神經網絡進行分層特征提取，得到物探特征數據；將所述標準化多源數據集中的地球化學數據構建成節點-邊關系結構，通過所述圖神經網絡對節點進行信息聚合，得到化學特征數據；基于所述地表特征數據、所述物探特征數據和所述化學特征數據構建聯合特征矩陣，利用注意力權重對不同特征進行融合，獲得融合特征數據；將所述融合特征數據輸入所述變分自編碼器的編碼器部分，通過多層感知機進行降維壓縮，得到潛在特征向量；對所述潛在特征向量進行重構誤差計算和分布約束，通過非線性映射進行特征重編碼，得到所述深度編碼特征； 基于所述深度編碼特征，通過多頭自注意力機制和消息傳遞機制構建成礦知識圖譜，并利用圖嵌入算法得到知識向量； 根據所述深度編碼特征和所述知識向量，通過Transformer網絡構建多任務預測模型，并經由貝葉斯神經網絡框架進行不確定性評估，獲得礦化預測結果，包括：將所述深度編碼特征和所述知識向量進行特征拼接，通過位置編碼進行序列轉換，得到輸入序列數據；對所述輸入序列數據按照礦化類型、礦體規模和品位預測進行任務分解，通過任務標識符編碼得到多任務輸入數據；基于所述多任務輸入數據構建所述多任務預測模型，其中所述多任務預測模型包含共享編碼層、任務特定解碼層和預測頭層，通過所述Transformer網絡的多層自注意力計算進行特征變換，得到任務特征數據；將所述任務特征數據分別輸入礦化類型預測分支、礦體規模預測分支和品位預測分支，通過任務特定解碼層進行解碼處理，得到分支預測數據；基于所述分支預測數據構建概率分布參數，通過所述貝葉斯神經網絡框架進行采樣和不確定性評估，獲得預測分布數據；將所述預測分布數據進行多任務加權融合，通過置信度閾值篩選和規范化處理，得到所述礦化預測結果； 依據所述礦化預測結果，通過空間聚類和貝葉斯優化算法進行迭代優化，得到優化預測結果； 基于所述優化預測結果，利用深度生成模型構建三維可視化模型，并通過Grad-CAM算法進行解釋性分析，獲得目標預測驗證結果。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人河南省地質局礦產資源勘查中心，其通訊地址為：450000 河南省鄭州市中原區文化宮路31號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。