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！

龍圖騰網獲悉南京大學申請的專利基于對數退火的物理信息神經網絡地下水運動模擬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：CN119808631B 。

龍圖騰網通過國家知識產權局官網在2025-09-16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：202411870606.0，技術領域涉及：G06F30/28；該發明授權基于對數退火的物理信息神經網絡地下水運動模擬方法是由黃蕾;馬晨;任富天;郭昭;劉凡;李增輝;張琦設計研發完成，并于2024-12-18向國家知識產權局提交的專利申請。

本基于對數退火的物理信息神經網絡地下水運動模擬方法在說明書摘要公布了：本發明公開了一種基于對數退火的物理信息神經網絡地下水運動模擬方法，屬于水環境模擬技術領域，包括：第一步，基于物理信息神經網絡求解地下水運動偏微分方程，建立預訓練模型和實際訓練模型；第二步，建立多目標損失函數，預訓練模型基于模擬退火算法對多目標損失函數權重進行優化，逼近多目標損失函數最小值以獲取最佳分配權重；第三步，基于獲得的最佳分配權重生成多目標損失函數權重的最佳取值，根據最佳取值對實際模型進行訓練，并計算區域內地下水水頭與流向分布。本發明采用上述方法，經過優化的神經網絡在求解地下水運移方程中表現出了良好的性質，有助于分析地下水運動方向，評估地下水運動過程。

本發明授權基于對數退火的物理信息神經網絡地下水運動模擬方法在權利要求書中公布了：1.一種基于對數退火的物理信息神經網絡地下水運動模擬方法，其特征在于，步驟包括： 第一步，基于物理信息神經網絡求解地下水運動偏微分方程，建立預訓練模型和實際訓練模型； 第二步，建立地下水運動多目標損失函數，預訓練模型基于模擬退火算法對多目標損失函數權重進行優化，逼近多目標損失函數最小值以獲取最佳分配權重； 所述第二步具體包括： S4、對于預訓練模型，基于損失函數項構建多目標損失函數，并添加損失權重項調整物理信息神經網絡模型梯度下降的方向； S5、使用模擬退火算法對預訓練模型進行訓練，將損失函數項的權重作為自變量，多目標損失函數的總損失作為因變量，在指定的權重范圍內應用退火，求取使所有采樣點上的總損失函數最小的損失權重值； 預訓練模型一次退火過程包括： S51、定義需要逼近最小值的函數形式和自變量，設定退火的初始溫度、退火的冷卻溫度、降溫速度和每一次降溫下的調整次數N，選取初始的自變量值，設定自變量范圍； S52、若當前溫度高于退火的冷卻溫度，進行退火迭代，調整自變量的取值，調整幅度與當前溫度成正相關，共調整N次，并使用對數形式調整取值； S53、計算調整后的函數取值，與原值比較，若符合逼近方向則接受調整，否則基于Metropolis準則，根據接受概率p決定是否接受新值； S54、N次調整完畢后，對當前溫度進行降溫； S55、持續退火迭代直到當前溫度低于退火的冷卻溫度，逼近函數在自變量范圍內的最小值； S56、獲取隨著退火過程連續記錄的損失函數值和對應的權重取值，選擇損失函數值最小的一組權重作為最佳權重值； 第三步，基于獲得的最佳分配權重生成多目標損失函數權重的最佳取值，根據最佳取值對實際模型進行訓練，并計算區域內地下水水頭與流向分布。

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南京大學，其通訊地址為：210023 江蘇省南京市棲霞區仙林大道163號南京大學仙林校區；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”。