買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜山東大學(xué)申請的專利一種基于大語言模型的隧道圍巖光譜解譯方法及系統(tǒng)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN118940844B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-05-09發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202411418784.X，技術(shù)領(lǐng)域涉及：G06N5/04；該發(fā)明授權(quán)一種基于大語言模型的隧道圍巖光譜解譯方法及系統(tǒng)是由許振浩;韓濤;余騰飛;林鵬;王朝陽;邵瑞琦;李珊設(shè)計研發(fā)完成，并于2024-10-12向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于大語言模型的隧道圍巖光譜解譯方法及系統(tǒng)在說明書摘要公布了：本發(fā)明屬于大語言模型技術(shù)領(lǐng)域，提供了一種基于大語言模型的隧道圍巖光譜解譯方法及系統(tǒng)，包括：獲取隧道圍巖的可見光?近紅外波段光譜和熱紅外波段光譜，并采用數(shù)據(jù)融合方法對兩種波段的光譜進(jìn)行融合，得到全波段光譜；對于巖石中包含的多種礦物，確定每種礦物的特征位置，將每種礦物的礦物名稱、特征位置進(jìn)行結(jié)構(gòu)化，通過基于大語言模型的隧道圍巖光譜智能解譯模型，得到隧道圍巖中每種礦物的含量；其中，多種礦物的特征位置的確定方法為：計算數(shù)據(jù)集中全波段光譜與每種礦物的含量的相關(guān)性，選取全波段光譜中相關(guān)性最大的特征波段作為該種礦物的特征位置。實(shí)現(xiàn)了隧道內(nèi)大體量光譜的快速智能解譯。

本發(fā)明授權(quán)一種基于大語言模型的隧道圍巖光譜解譯方法及系統(tǒng)在權(quán)利要求書中公布了：1.一種基于大語言模型的隧道圍巖光譜解譯方法，其特征在于，包括：獲取隧道圍巖的可見光-近紅外波段光譜和熱紅外波段光譜，并采用數(shù)據(jù)融合方法對兩種波段的光譜進(jìn)行融合，得到全波段光譜；對于巖石中包含的多種礦物，確定每種礦物的特征位置，將每種礦物的礦物名稱和特征位置進(jìn)行結(jié)構(gòu)化，得到結(jié)構(gòu)化數(shù)據(jù)，通過基于大語言模型的隧道圍巖光譜智能解譯模型，得到隧道圍巖中每種礦物的含量；其中，特征位置的確定方法為：計算數(shù)據(jù)集中全波段光譜與每種礦物的含量的相關(guān)性，選取全波段光譜中相關(guān)性最大的特征波段作為各種礦物的特征位置，且特征位置的數(shù)量基于皮爾遜相關(guān)系數(shù)計算得到，具體地：假設(shè)第a個礦物與第b個特征波段的皮爾遜相關(guān)系數(shù)為rab；對于第a個礦物，將所有特征波段按照與第a個礦物的皮爾遜相關(guān)系數(shù)從大到小進(jìn)行排列，得到序列（ra1,ra2,…,rak），k為特征波段的數(shù)量；則對于第a個礦物，特征位置的數(shù)量N=Qra1+ra2+ra3，Q為設(shè)定值；所述大語言模型選用基于transformer算法的深度學(xué)習(xí)模型；所述基于大語言模型的隧道圍巖光譜智能解譯模型的訓(xùn)練過程包括：采用實(shí)驗(yàn)室內(nèi)礦物識別與分析方法，得到巖石樣品中每種礦物的礦物名稱和含量后，獲取已知礦物成分和含量的巖石樣品的可見光-近紅外波段光譜和熱紅外波段光譜，采用數(shù)據(jù)融合方法對兩種波段的光譜進(jìn)行融合，得到全波段光譜，確定每種礦物的特征位置，將所有巖石樣品的全波段光譜作為數(shù)據(jù)集；對數(shù)據(jù)集劃分出訓(xùn)練集和測試集，將訓(xùn)練集的每個巖石樣品的每種礦物的礦物名稱、特征位置和含量進(jìn)行結(jié)構(gòu)化，得到結(jié)構(gòu)化數(shù)據(jù){‘礦物名稱’:‘樣品M’,‘x:特征位置nm’,‘y:礦物含量%’}，通過自然語言描述PromptA命令大語言模型學(xué)習(xí)訓(xùn)練集數(shù)據(jù)信息；將測試集的每個巖石樣品的每種礦物的礦物名稱和特征位置編碼進(jìn)行結(jié)構(gòu)化，得到結(jié)構(gòu)化數(shù)據(jù){‘礦物名稱’:‘樣品N’,‘x:特征位置nm’}，通過自然語言描述PromptB命令大語言模型計算出礦物的含量，當(dāng)計算出的礦物的含量與已知的含量之間的誤差小于閾值時，得到基于大語言模型的隧道圍巖光譜智能解譯模型；PromptA為：輸入的數(shù)據(jù)集為包含礦物名稱、x:特征位置nm和y:礦物含量%的結(jié)構(gòu)化數(shù)據(jù)；PromptB為：計算出測試集樣本中每個樣品對應(yīng)的y:礦物含量%。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人山東大學(xué)，其通訊地址為：250000 山東省濟(jì)南市歷下區(qū)經(jīng)十路17923號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。