龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：中国海洋大学
申请日：2024-05-09
公开（公告）日：2024-06-07
公开（公告）号：CN118153411A
主分类号：G06F30/25
分类号：G06F30/25;G01N15/06;G01D21/02;G06F30/27;G06N3/0499;G06N3/084
优先权：
专利状态码：在审-公开
法律状态：2024.06.07#公开
摘要：本发明提供了一种基于深度学习的电学监测反演深海采矿羽流浓度剖面方法，包括现场电学原位监测数据获取与归一化处理；构建自然电位测量结果反演悬浮颗粒浓度模型；构建模型的检验与优化；羽流颗粒浓度剖面的反演四个部分。通过本发明的技术方案，可以完成电学监测信号向悬浮颗粒浓度信号的转变，配合电学原位监测探杆、飘带等一系列装置，实现深海采矿羽流颗粒浓度剖面的准确监测。本发明考虑了海底温度、盐度、流速、多金属结核碎屑等因素的影响，采用人工神经网络训练实现原位电学监测反演深海采矿羽流浓度剖面，为深海采矿羽流电学监测提供技术支撑。
主权项：1.一种基于深度学习的电学监测反演深海采矿羽流浓度剖面方法，其特征在于，具体包括以下步骤：S1、现场观测数据的获取与处理，包括原位监测数据的提取，悬浮颗粒浓度与浊度关系的建立，电学传感信号的归一化处理；S2、构建自然电位反演悬浮颗粒浓度模型，利用改进的BP神经网络进行多参数信息融合构建电学信号反演羽流颗粒浓度模型；S3、构建模型的检验与优化；具体包括以下步骤：S31、将模型预测的反演的悬浮颗粒浓度与实际测量的再悬浮量进行比较，根据结果反馈至模型再调试模型参数，优化模型，最终得到精准适用于深海采矿过程中电学信号反演羽流浓度的模型，设定两个指标来定量衡量反演结果，分别是R系数和均方误差；S32、对比输入相同数量参数构建模型的R系数和均方误差，R系数越大、均方误差越小模型关系越好；再结合S21中输入不同数量电极测量结果，对比不同输入数量参数的模型关系效果，确定最佳的关系模型；S4、深海采矿过程中羽流颗粒浓度剖面反演；在上述模型建立的基础上，通过对电学原位监测装置测试到的每一时刻的电信号结果都进行上述的反演过程，即可获取悬浮颗粒浓度剖面随时间的变化情况。
全文数据：
权利要求：
百度查询： 中国海洋大学 基于深度学习的电学监测反演深海采矿羽流浓度剖面方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号