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！

龙图腾网获悉吉林大学申请的专利基于深度学习的桥梁冲刷损伤识别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：CN120493081B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202510990115.8，技术领域涉及：G06F18/2415；该发明授权基于深度学习的桥梁冲刷损伤识别方法及系统是由周培蕾;鄢诣明;谭国金;孔庆雯;姜闯波;吴春利;王文盛;何昕设计研发完成，并于2025-07-18向国家知识产权局提交的专利申请。

本基于深度学习的桥梁冲刷损伤识别方法及系统在说明书摘要公布了：本发明公开一种基于深度学习的桥梁冲刷损伤识别方法及系统，解决了目前桥梁冲刷损伤识别方法普适性差且冲刷损伤识别效率和精度有限的问题。该方法包括步骤：构建原始数据集；数据预处理；采用双层长短期记忆网络构建编码器‑解码器架构的序列到序列多参数模型，并在模型中添加Dropout层和LayerNorm层标准化；定义模型训练与优化的损失函数，采用Adam优化算法并添加L2正则化及利用早停法对Seq2Seq多参数模型进行训练与优化，选取验证集损失最小的模型作为最佳预测模型，用于对桥梁冲刷损伤进行识别。本发明能够快速识别多跨桥梁的复杂冲刷损伤状况，提升了冲刷损伤识别的效率和精度，普适性更强，识别效率更高。

本发明授权基于深度学习的桥梁冲刷损伤识别方法及系统在权利要求书中公布了：1.基于深度学习的桥梁冲刷损伤识别方法，其特征在于，包括以下步骤： 步骤S100：采用抽样算法获取桥梁参数、土体参数、多跨桥梁冲刷位置和不均匀冲刷损伤的组合工况，并利用有限元软件计算每个工况下的冲刷损伤识别参数，构建包含桥梁参数、土体参数、多跨桥梁冲刷位置、不均匀冲刷损伤和冲刷损伤识别参数的原始数据集； 步骤S200：对原始数据集中的数据进行预处理，处理后得到用于桥梁冲刷损伤快速识别的输入数据集； 步骤S300：采用双层长短期记忆网络构建编码器-解码器架构的序列到序列多参数模型，并在序列到序列多参数模型中添加Dropout层和LayerNorm层标准化，编码器接收包括固定特征与动态特征的输入序列，利用一层长短期记忆网络对输入序列压缩成一个隐状态和细胞状态后进行处理，输出细胞状态特征至解码器，解码器利用另一层长短期记忆网络生成输出特征，并使用全连接层将编码器输出的细胞状态特征映射为冲刷损伤预测结果； 步骤S400：定义模型训练与优化的损失函数，采用Adam优化算法并添加L2正则化及利用早停法对Seq2Seq多参数模型进行训练与优化，选取验证集损失最小的模型作为最佳预测模型，该最佳预测模型用于对桥梁冲刷损伤进行识别。

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吉林大学，其通讯地址为：130012 吉林省长春市朝阳区前进大街2699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”。