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！

龙图腾网恭喜西南石油大学申请的专利一种基于KAN卷积网络的岩心三维重建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：CN119722958B 。

龙图腾网通过国家知识产权局官网在2025-05-13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：202510212962.1，技术领域涉及：G06T17/00；该发明授权一种基于KAN卷积网络的岩心三维重建方法是由蒋俊;王成阳;李皋;肖东;杨旭;李红涛;郭珍珍设计研发完成，并于2025-02-26向国家知识产权局提交的专利申请。

本一种基于KAN卷积网络的岩心三维重建方法在说明书摘要公布了：本发明公开了一种基于KAN卷积网络的岩心三维重建方法，包括如下步骤：S1:对岩心三维图像进行预处理，形成用于模型训练的样本集；S2:使用3D模型对样本集进行训练；S3:对初步上采样的结果依次进行特征提取，并使用Tanh激活函数进行非线性变换；S4:3D模型的判别器通过多个三维卷积层对生成的岩心图像进行真假判断；S5:进行模型训练，使用随机梯度下降法进行反向传播，并联合优化和更新生成器和判别器的网络参数；S6:训练完成后，使用生成器生成新的岩心三维图像，并使用孔隙度和渗透率作为评价指标评估模型的重建效果。本发明能够有效的重建岩心内部的三维结构，为研究岩心孔隙内部流体的流动提供了高效的辅助手段。

本发明授权一种基于KAN卷积网络的岩心三维重建方法在权利要求书中公布了：1.一种基于KAN卷积网络的岩心三维重建方法，其特征在于，包括如下步骤：S1:对岩心三维图像进行预处理，形成用于模型训练的样本集；S2:使用3D模型对样本集进行训练，3D模型的生成器以随机噪声作为输入，通过反卷积层对输入进行初步上采样，并对上采样结果进行批归一化，最后通过ReLU激活函数引入非线性特征；步骤S2包括以下子步骤：S21:通过KAN-DCGAN3D模型对样本集进行训练，所述KAN-DCGAN3D模型使用KAN卷积网络和三维生成对抗网络，通过生成器和判别器的对抗学习生成三维岩心图像；S22:生成器以随机噪声作为输入，其中随机噪声遵循正态分布；S23:生成器首先使用一个反卷积层对输入的噪声进行上采样，接着对反卷积层的输出进行归一化，最后使用ReLU激活函数引入非线性，帮助生成器捕捉复杂的特征；S24:生成器复合卷积操作和标准化来细化图像生成过程；S25:在生成器的最后阶段，使用反卷积层将特征图转换为最终的输出图像，并通过Tanh激活函数进行非线性变换，以确保生成图像的像素值范围在[-1,1]之间；S3:对初步上采样的结果依次进行特征提取，并使用Tanh激活函数进行非线性变换，最终生成三维岩心图像；步骤S3包括以下子步骤：S31：对初步上采样的结果依次通过多个ReLUKANConv3D层进行特征提取，输入的维度为[c，h，w，l]，其中c是通道数，h、w和l分别是图像的高度、宽度和深度；S32：初始化base_conv和relukan_conv的卷积核权重；S33：输入经过base_conv进行初步卷积计算得到基本特征basis；S34：输入通过特征生成模块relukan_conv进行相位映射、相位激活和卷积计算，以进一步提取多尺度特征；S35：将relukan_conv层生成的特征与base_conv层计算得到的基本特征相加，并对相加结果应用正则化层layer_norm进行规范化处理，以获得规范化输出，具体计算公式如下： ；其中，和分别为特征的均值和方差，和是可学习的缩放和平移参数，是小常数；S36：将规范化输出通过激活函数SiLU进行非线性激活，生成最终输出特征；S4:3D模型的判别器通过多个三维卷积层对生成的岩心图像进行真假判断；S5:进行模型训练，使用随机梯度下降法进行反向传播，并联合优化和更新生成器和判别器的网络参数；S6:训练完成后，使用生成器生成新的岩心三维图像，并使用孔隙度和渗透率作为评价指标评估模型的重建效果。

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西南石油大学，其通讯地址为：610500 四川省成都市新都区新都大道8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”。