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！

龍圖騰網獲悉山東科技大學申請的專利一種基于地形單元分區使用機器學習反演海底地形的方法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：CN116861955B 。

龍圖騰網通過國家知識產權局官網在2025-08-29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：202310763911.9，技術領域涉及：G06N3/044；該發明授權一種基于地形單元分區使用機器學習反演海底地形的方法是由范美琦;陳義蘭;孫賀元;張倩然;付延光;周興華;王燕紅設計研發完成，并于2023-06-27向國家知識產權局提交的專利申請。

本一種基于地形單元分區使用機器學習反演海底地形的方法在說明書摘要公布了：本發明公開一種基于地形單元分區使用機器學習反演海底地形的方法，屬于地球物理技術領域，用于反演海底地形，包括將重力異常、短波重力異常、垂直重力梯度異常和殘余垂直重力梯度異常組成機器學習模型所需的特征數據集，特征數據集構成訓練集，格網化的特征數據集組成預測集；將訓練集進行整體性相關性分析，調整模型的各種參數，將所有訓練集輸入機器學習模型進行訓練，再將預測集輸入到訓練好的機器學習模型中，得到全區水深值，將分區預測結果融合得到整體區域最終的水深。本發明利用機器學習強大的非線性映射能力解決傳統反演方法忽略重力信息和海底地形非線性項作用的問題，從而提高地形起伏大、變化快的區域的反演精度。

本發明授權一種基于地形單元分區使用機器學習反演海底地形的方法在權利要求書中公布了：1.一種基于地形單元分區使用機器學習反演海底地形的方法，其特征在于，包括： S1.從重力異常中分離出短波重力異常； S2.從垂直重力梯度異常分離出殘余垂直重力梯度異常； S3.將重力異常、短波重力異常、垂直重力梯度異常和殘余垂直重力梯度異常組成機器學習模型所需的特征數據集，特征數據集構成訓練集，格網化的特征數據集組成預測集，機器學習模型使用BP神經網絡模型； S4.將訓練集與水深數據作相關性分析，采用皮爾遜相關系數衡量訓練集和水深數據之間的相關性，根據訓練集與水深數據的相關性決定訓練集在訓練模型時所占權重比例；將所有訓練集輸入機器學習模型進行訓練，再將預測集輸入到訓練好的機器學習模型中，得到全區水深值； S5.將全區水深值格網化，得到全區海底地形模型； 由全區海底地形模型判斷該區具有的地形地貌，將研究區的地形按照海嶺、海溝、海盆三種地形特征進行地形單元分區，將各個子區域的船測水深數據和重力數據分別進行步驟S1,S2,S3處理，得到各個子區域的特征數據集，將船測水深控制點位置的特征數據集作為分區訓練集，分區訓練集輸入機器學習模型進行訓練，再將分區預測集輸入到機器學習模型，得到分區預測結果，并將分區預測結果融合得到整體區域最終的水深； S1包括： 實測單波束點的短波重力Δgres使用控制點jn水深通過布格板公式進行計算： 式中，表示在控制點jn上的短波分量；G為引力常數；Δρ為海水和海底洋殼之間的最優密度差異常數；D表示參考水深，取船載測深數據的最大水深；為控制點水深值； 采用迭代法計算不同密度差異常數對應的預測水深與實測水深的相關關系和均方根誤差，當均方根誤差最小且相關系數最大時的密度差異常數即為最優值； S2包括： 將重力數據和水深看作兩種不同的信號，兩者的相干性為： 其中，為互譜相干函數；Gk、Hk分別代表重力信號的傅里葉變換和地形信號的傅里葉變換；G*k、H*k分別代表Gk、Hk的復數共軛； 對去趨勢后的水深數據和垂直重力梯度異常進行相干性分析，選取大于0.5的波段范圍內的數據進行線性回歸，并獲取到波段垂直重力梯度異常-波段水深比例因子，將得到的比例因子與船測水深相乘，得到參考垂直重力梯度異常，用垂直重力梯度異常減去參考垂直重力梯度異常，得到測深點的殘余垂直重力梯度異常，內插得到研究區的垂直重力梯度異常場。

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山東科技大學，其通訊地址為：266590 山東省青島市黃島區前灣港路579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”。