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！

龙图腾网获悉山东大学申请的专利基于解耦神经网络的地下介质多尺度正反演方法及系统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：CN121683548B 。

龙图腾网通过国家知识产权局官网在2026-05-08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：202610186479.5，技术领域涉及：G06F30/27；该发明授权基于解耦神经网络的地下介质多尺度正反演方法及系统是由熊清蓉;李博;王利戈;曲勇晓;王凤龙;寇磊;周登望设计研发完成，并于2026-02-10向国家知识产权局提交的专利申请。

本基于解耦神经网络的地下介质多尺度正反演方法及系统在说明书摘要公布了：本发明公开基于解耦神经网络的地下介质多尺度正反演方法及系统，属于地下多物理场耦合技术领域。基于解耦神经网络的地下介质多尺度正反演方法包括：生成多物理场变量的时空演化数据集；构建物理场解耦的物理信息神经网络架构，包括三个专用子网络，各子网络以时空坐标为基础输入，并动态接收其他子网络的输出作为辅助输入特征，通过特征共享与联合损失函数实现物理场之间的强耦合建模；执行两阶段训练策略；基于训练完成的神经网络架构，执行正向智能预测或关键物性参数反演。本发明构建一个由多个专用子网络组成的统一神经网络框架，实现从岩芯尺度到场地尺度的物理一致、数据高效的跨尺度建模，并同步支持正向模拟与参数反演。

本发明授权基于解耦神经网络的地下介质多尺度正反演方法及系统在权利要求书中公布了：1.基于解耦神经网络的地下介质多尺度正反演方法，其特征在于，包括： 基于岩芯尺度气-水-岩相互作用实验及对应的高保真数值模拟，生成多物理场变量的时空演化数据集，并进行预处理与数据增强； 构建物理场解耦的物理信息神经网络架构，包括温度场子网络、渗流场子网络和应力场子网络，各子网络以时空坐标为基础输入，并动态接收其他子网络的输出作为辅助输入特征，通过特征共享与联合损失函数实现物理场之间的强耦合建模； 对物理场解耦的物理信息神经网络架构执行两阶段训练策略；其中，第一阶段，利用岩芯尺度数据集对物理场解耦的物理信息神经网络进行预训练，使其内化微观物理规律；第二阶段，将预训练后的物理场解耦的物理信息网络作为初始模型，接入场地尺度现场监测数据进行微调，实现微观物理先验向宏观预测的迁移； 基于训练完成的物理场解耦的物理信息神经网络架构，执行正向智能预测或关键物性参数反演； 联合损失函数具体为温度场损失、渗流场损失、应力场损失以及交叉耦合约束损失的加权和； 交叉耦合约束损失强制各本构关系在所有采样点严格成立；其中，本构关系包括达西定律、孔隙度-应变关系以及状态方程； 交叉耦合约束损失具体表示为： 式中，表示交叉耦合约束损失；表示流速矢量；表示渗透率；表示孔隙度；表示渗透率函数，随孔隙度而变化；表示流体粘度；表示温度场子网络输出的温度；表示流体粘度函数，其随温度场子网络输出的温度而变化；表示初始温度；表示孔隙压力；表示孔隙压力梯度；表示初始孔隙压力；表示初始孔隙度；表示有效应力系数；表示应力场子网络反馈的位移矢量；表示应力场子网络输出的位移矢量的散度；表示流体密度；表示初始流体密度；表示物性系数；表示初始流体粘度；表示温度依赖系数；表示范数的平方； 第一阶段为微观预训练阶段，以高保真岩芯尺度数据集作为唯一监督信号，采用端到端方式联合优化温度场子网络、渗流场子网络和应力场子网络，以最小化联合损失函数为目标，内化微观孔隙结构所决定的复杂物理关系； 第二阶段为宏观融合微调阶段，将经过微观预训练阶段预训练完成的子网络作为具有物理先验的初始模型，接入场地尺度建模任务，引入场地尺度的热-流-固耦合数值模型所对应的现场监测数据，对整个网络进行端到端微调； 宏观融合微调阶段的总损失函数为联合损失与观测损失的加权组合，表示为： 式中，表示宏观融合微调阶段的总损失；表示联合损失；表示在监测点位置采集的实际观测值；为网络在同一时空位置的预测输出；为观测损失权重。

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山东大学，其通讯地址为：250000 山东省济南市历城区山大南路27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”。

以上内容由龙图腾AI智能生成。