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！

龙图腾网恭喜中国自然资源航空物探遥感中心申请的专利一种重力数据反演方法、系统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：CN119337135B 。

龙图腾网通过国家知识产权局官网在2025-05-16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：202411458386.0，技术领域涉及：G06F18/214；该发明授权一种重力数据反演方法、系统及介质是由徐光晶;舒晴;李瑞;张凯淞;高维;李靖设计研发完成，并于2024-10-18向国家知识产权局提交的专利申请。

本一种重力数据反演方法、系统及介质在说明书摘要公布了：本发明涉及了一种重力数据反演方法、系统及介质，一种重力数据反演方法，包括：生成数以万计的随机单异常训练样本对；基于所有的随机单异常训练样本对，选取一部分预设数量的数据作为训练数据集，选取另一部分预设数量的数据作为验证数据集；使用训练数据集训练一系列具有不同网络复杂度的宽度学习网络，所述重力反演的目标是估计出最优密度模型；应用验证数据集识别最合适的网络复杂度的宽度学习网络；将测量到的重力数据向量输入到最合适的网络复杂度的宽度学习网络中，得到最优密度模型。本发明利用宽度学习网络和单异常训练样本来提高密度结构建模的精度和效率。

本发明授权一种重力数据反演方法、系统及介质在权利要求书中公布了：1.一种重力数据反演方法，其特征在于，包括：生成数以万计的随机单异常训练样本对：通过测量到的重力数据的正演建模生成一个输入-输出训练样本对，地下密度模型是用一个单一的、彩色的、立方体形状的异常块嵌入均匀背景中构建的，所述地下密度模型在x轴、y轴和z轴方向上分别被离散为不同数量的网格单元，每个所述地下密度模型中异常块的大小和空间位置随机变化，异常密度值在-2～2gcm3范围内随机选取，围绕所述密度模型中心点进行协调旋转，生成不同方向的单个样本作为随机单异常训练样本对，其中，每个所述随机单异常训练样本对包括输入重力训练数据和输出密度模型训练数据；基于所有的所述随机单异常训练样本对，选取一部分预设数量的数据作为训练数据集，选取另一部分预设数量的数据作为验证数据集；使用所述训练数据集训练一系列具有不同网络复杂度的宽度学习网络，具体为：宽度学习网络构造所述输入重力训练数据集与输出密度模型训练数据集之间的函数映射近似于函数F.，其中函数F.表示实测重力数据与所述地下密度模型的函数关系，表示为: 其中，Mt表示所述输出密度模型训练数据集，FNF＝[F1,F2，…，FNF]表示映射特征，ENE表示增强节点，WB表示网络权重矩阵，这是宽度学习网络训练中唯一需要确定的未知参数，每组宽度学习网络的映射特征表示为: 其中，Dt为所述实测重力数据向量，φ为稀疏自编码器进行数据降维的特征映射函数，WFi为带有随机值的第i个权重矩阵，βFi为带有随机值的第i个偏置，NF为映射特征的组数，根据映射的特征FNF，每组增强节点计算为： 其中ξ为非线性激活函数，WEj为与WFi相似的第j个随机权重矩阵，βEj为与βFi相似的第j个随机偏置矩阵，NE为增强节点组数，应用下式计算宽度学习网络唯一未知参数WB:WB＝A+Mt式中A＝[FNF，ENE]，其中，伪逆A+的计算是通过脊回归完成的，计算得到权重矩阵WB，则训练过程完成，得到训练好的宽度学习网络；重力反演的目标是估计出最优密度模型，其中，所述最优密度模型是实际密度模型的近似值，所述训练样本包括了输入重力训练，所述网络复杂度指标包括每组映射特征的神经元数量、映射特征的组数和增强节点的组数；应用所述验证数据集识别最合适的网络复杂度的宽度学习网络；将测量到的重力数据向量输入到所述最合适的网络复杂度的宽度学习网络中，得到所述最优密度模型。

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国自然资源航空物探遥感中心，其通讯地址为：100000 北京市海淀区学院路29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”。