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！

龙图腾网恭喜核工业北京化工冶金研究院申请的专利砂岩铀矿地浸开采过程动态成像方法、装置、设备及介质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：CN116912406B 。

龙图腾网通过国家知识产权局官网在2025-03-18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：202310833376.X，技术领域涉及：G06T17/00；该发明授权砂岩铀矿地浸开采过程动态成像方法、装置、设备及介质是由杜志明;原渊;谢廷婷;姜振蛟;贾皓设计研发完成，并于2023-07-07向国家知识产权局提交的专利申请。

本砂岩铀矿地浸开采过程动态成像方法、装置、设备及介质在说明书摘要公布了：本发明提供了一种砂岩铀矿地浸开采过程动态成像方法、装置、设备及介质，涉及采矿工程技术领域，包括:获取砂岩铀矿地浸开采场地的历史观测数据和实时观测数据；将历史观测数据进行结构化处理得到样本数据，样本数据包括结构化的井处观测数据和验证数据；根据样本数据和预设的物理机制神经网络数学模型进行模型构建和优化处理得到水头‑溶质浓度‑残余铀矿含量预测模型；根据预测模型对实时观测数据进行预测处理，并将预测结果进行动态成像分析得到实时成像结果。本发明通过砂岩铀矿地浸开采场地的历史观测数据和实时观测数据，并结合物理机制神经网络数学模型，实现地浸采铀过程中矿层内部渗流场、酸浓度场和铀酰离子浓度场动态成像。

本发明授权砂岩铀矿地浸开采过程动态成像方法、装置、设备及介质在权利要求书中公布了：1.一种砂岩铀矿地浸开采过程动态成像方法，其特征在于，包括：获取砂岩铀矿地浸开采场地的历史观测数据和实时观测数据，所述历史观测数据包括压力值时空分布数据、矿物含量浓度时空分布数据、酸浓度时空分布数据和水文地质数据；将所述历史观测数据进行结构化处理得到样本数据，所述样本数据包括结构化的井处观测数据和验证数据；根据所述样本数据和预设的物理机制神经网络数学模型进行模型构建和优化处理得到水头-溶质浓度-残余铀矿含量预测模型；根据所述水头-溶质浓度-残余铀矿含量预测模型对所述实时观测数据进行预测处理，并将预测结果进行动态成像分析得到实时成像结果，所述实时成像结果包括渗流场空间分布图像、浓度场空间分布图像和浸出场空间分布图像；其中，根据所述样本数据和预设的物理机制神经网络数学模型进行模型构建和优化处理得到水头-溶质浓度-残余铀矿含量预测模型，包括：根据所述物理机制神经网络数学模型和实际需求，调整模型的层数和每层神经元数得到初步模型，所述初步模型包括神经网络、物理过程控制方程、损失函数和神经网络权重训练策略；根据所述初步模型中采用的傅里叶嵌入式神经网络架构，将所述样本数据进行傅里叶变换得到输入变量，所述输入变量包括不同频率的波动数据；将所述输入变量对所述初步模型进行训练，并利用所述初步模型中的全连接神经网络将所述输入变量与输出变量相互关联得到初步预测模型，所述初步预测模型用于预测水头、溶质浓度和残余铀矿含量的数值；将所述初步预测模型进行先验知识嵌入处理，并对模型进行优化处理得到最终的水头-溶质浓度-残余铀矿含量预测模型；其中，将所述初步预测模型进行先验知识嵌入处理，并对模型进行优化处理得到最终的水头-溶质浓度-残余铀矿含量预测模型，包括：根据预设的地浸采铀过程中渗流场、浓度场和浸出场的控制方程作为先验知识嵌入到初步预测模型中；基于历史数据中抽注井位置的铀浓度和水位的预测精度得到初步预测模型中的损失函数，所述损失函数用于度量预测结果与实际观测值之间的差异；根据所述控制方程、所述损失函数和地浸采铀过程演化时间因果关系制定模型训练策略，并按照系统演化过程的时间先后顺序对所述初步预测模型进行训练得到最终的水头-溶质浓度-残余铀矿含量预测模型；其中，根据预设的地浸采铀过程中渗流场、浓度场和浸出场的控制方程作为先验知识嵌入到初步预测模型中，包括：根据所述初步预测模型构建得到全连接神经网络模型，并通过所述全连接神经网络模型接收输入变量得到水头、溶质浓度和残余铀矿含量的预测结果；根据所述预测结果和预设的自动微分数学模型计算得到微分结果，所述微分结果包括水头、溶质浓度和残余铀矿含量预测值对应的导数；根据所述微分结果和预设的地浸采铀过程中渗流场、浓度场和浸出场的控制方程计算得到残差，所述残差表示所述预测结果与所述控制方程的差异。

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核工业北京化工冶金研究院，其通讯地址为：101149 北京市通州区九棵树145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”。