(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111173625.4 (22)申请日 2021.10.08 (71)申请人 中国人民解 放军海军工程大 学 地址 430000 湖北省武汉市硚口区解 放大 道717号 (72)发明人 文无敌　张广豫　欧阳君　杨晓非　 陈俊　李毅　胡家文　 (74)专利代理 机构 武汉蓝宝石专利代理事务所 (特殊普通 合伙) 42242 代理人 万畅 (51)Int.Cl. G06F 30/27(2020.01) G06K 9/62(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01)G06Q 10/04(2012.01) (54)发明名称 基于融合式神经网络的多磁性材料参数反 演方法及系统 (57)摘要 本发明涉及基于融合式神经网络的多磁性 材料参数反演方法及系统， 其方法包括： 获取待 反演多磁性材料在静态无电流背景场下的多维 磁场分量； 将所述多维磁场分量输入到训练完成 的卷积神经网络中， 得到所述多维磁场分量的多 个类别标签； 将每个类别标签和多维磁场分量分 别输入到训练完成的多个深层BP神经网络中， 得 到待反演多磁性材料的磁导率预测值。 本发明通 过融合卷积神经网络和多个深层BP神经网络， 在 减少神经网络参数量的同时， 快速、 高效的预测 多磁性材 料参数。 权利要求书2页 说明书7页 附图5页 CN 113887137 A 2022.01.04 CN 113887137 A 1.基于融合式神经网络的多磁性材 料参数反演方法， 其特 征在于， 包括： 获取待反演多磁性材 料在静态无电流背景场下的多维磁场分量； 将所述多维磁场分量输入到训练完成的卷积神经网络 中， 得到所述多维磁场分量的多 个类别标签； 将每个类别标签和多维磁场分量分别输入到训练完成的多个深层BP神经网络 中， 得到 待反演多磁性材 料的参数 预测值。 2.根据权利要求1所述的基于融合式神经网络的多磁性材料参数反演方法， 其特征在 于， 所述卷积神经网络 至少包括多个一维卷积层、 一个最大池化层和一个全连接层， 所述多个一维卷积层， 用于接收待反演多磁性材料的多维磁场分量或对多维磁场分量 进行卷积操作； 所述全连接层， 用于 输出所述多维磁场分量的类别标签。 3.根据权利要求2所述的基于融合式神经网络的多磁性材料参数反演方法， 其特征在 于， 所述卷积神经网络的损失函数为交叉熵损失函数。 4.根据权利要求1所述的基于融合式神经网络的多磁性材料参数反演方法， 其特征在 于， 所述每 个深层BP神经网络包括多个隐藏层和一个输出层； 每个所述隐藏层为全连接层， 且其激活函数为sigmo id或liner； 所述输出层的激活函数为 liner。 5.根据权利要求4所述的基于融合式神经网络的多磁性材料参数反演方法， 其特征在 于， 所述每 个深层BP神经网络的损失函数为均方误差函数。 6.根据权利要求1－5中任一项所述的基于融合式神经网络的多磁性材料参数反演方 法， 其特征在于， 所述获取待反演多磁性材 料在静态无电流背景场下的多维磁场分量包括： 对所述待反演多磁性材 料进行com sol建模； 确定待反演多磁性材 料的多条磁场测量线； 利用有限元和插值法计算每条磁场测量线的磁场分量。 7.基于融合式神经网络的多磁性材 料参数反演系统， 其特 征在于， 包括： 获取模块， 用于获取待反演多磁性材 料在静态无电流背景场下的多维磁场分量； 第一预测模块， 用于将所述多维磁场分量输入到训练完成的卷积神经网络中， 得到所 述多维磁场分量的多个 类别标签； 第二预测模块， 用于将每个类别标签和多维磁场分量分别输入到训练完成的多个深层 BP神经网络中， 得到待反演多磁性材 料的参数 预测值。 8.根据权利要求7所述的基于融合式神经网络的多磁性材料参数反演系统， 其特征在 于， 所述获取模块包括建模单 元、 确定单 元、 计算单 元， 所述建模单 元， 用于对所述待反演多磁性材 料进行com sol建模； 所述确定单 元， 用于确定待反演多磁性材 料的多条磁场测量线； 所述计算单 元， 用于利用有限元和插值法计算每条磁场测量线的磁场分量。 9.一种电子设备， 包括： 一个或多个处理器； 存储装置， 用于存储一个或多个程序， 当所 述一个或多个程序被所述一个或多个处理器执行， 使得所述一个或多个处理器实现如权利 要求1至6中任一项所述的基于融合式神经网络的多磁性材 料参数反演方法。 10.一种计算机可读介质， 其上存储有计算机程序， 其中， 所述计算机程序被处理器执权　利　要　求　书 1/2 页 2 CN 113887137 A 2行时实现如权利要求1至6中任一项所述的基于融合式神经网络的多磁性材料参数反演方 法。权　利　要　求　书 2/2 页 3 CN 113887137 A 3