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！

龙图腾网获悉福州大学申请的专利基于域自适应迁移学习的无样本库区滑坡易发性预测方法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：CN115630336B 。

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：202211343626.3，技术领域涉及：G06F18/25；该发明授权基于域自适应迁移学习的无样本库区滑坡易发性预测方法是由苏燕;黄绍翔;陈耀鑫;杨凌鋆;黄斌;林川;赖晓鹤设计研发完成，并于2022-10-30向国家知识产权局提交的专利申请。

本基于域自适应迁移学习的无样本库区滑坡易发性预测方法在说明书摘要公布了：本发明涉及一种基于域自适应迁移学习的无样本库区滑坡易发性预测方法。包括如下步骤：S1、收集多源数据，确定足量样本的源区域，选择适用于专题易发性分析的普适性评价指标，进行指标分析；S2、确定目标域的非标记样本，保证所选样本具有一定代表性，采用聚类方法分类，并在不同类中提取相同数量样本；S3、采用基于特征的域自适应方法，调节自适应因子，将源域数据与目标域无标记数据进行特征对齐；S4、选择合适的机器学习模型，将源域标记样本作为训练集，对目标域的易发性结果进行预测，以自然间断点法对易发性指数进行分区；本发明解决了传统方法在无样本的偏远库区中无法实现滑坡易发性评价的困难，为滑坡易发性预测提供一种新的思路。

本发明授权基于域自适应迁移学习的无样本库区滑坡易发性预测方法在权利要求书中公布了：1.一种基于域自适应迁移学习的无样本库区滑坡易发性预测方法，其特征在于，包括如下步骤： S1、确定研究区域范围，运用GIS平台对水库上游进行淹没区、集水区分析，以分析范围内有预定量历史滑坡资料的库区作为源域，少于预定量或无历史滑坡资料的库区作为目标域； S2、运用包括遥感识别、实地调查与空间分析的手段获取多源数据，识别归属于不同研究区域的普适化致灾指标因子，包括：库区地形湿度指数、归一化植被覆盖指数、距库区水域距离、距库区公路距离、距地质界线距离、库岸地层岩性、土地利用类型与库水淹没滑坡高程比例；其余指标根据专题滑坡类型确定，所选指标为非数值变量时需以预定规则转换为虚拟变量；对所选指标采用皮尔逊相关系数法结合方差膨胀因子与容忍度进行分析，剔除冗余与低重要度因子，建立滑坡专题预测指标体系； S3、建立具有代表性的研究区域样本集，以无监督聚类的方式对研究区域进行初步易发性分区，源域在低、极低易发性分区中随机提取与历史滑坡资料等量的非滑坡样本，目标域在各易发性分区中分别随机提取等量样本点； S4、分析不同区域滑坡的诱发侧重因素，以基于特征的域自适应迁移学习方法进行分布自适应调节，将源域数据与目标域无标记数据进行特征对齐，建立特征变换子空间，生成新的源域与目标域数据集；具体步骤为： S41、自所述步骤S2得到的源域与目标域预测指标体系导入所述步骤S3建立的源域与目标域样本集中，代入所述基于特征的域自适应迁移学习方法； S42、计算不同数据集的初始最大均值差异MMD，调节数据维度，找到能够将两域数据对齐的最佳子空间，源域与目标域样本的MMD距离表示为： S43、调节分布自适应因子，在数据的边缘分布与联合分布之间找到最佳适配比例，输出分布对齐后新的源域与目标域数据集，检验新数据集的MMD达到最小值；通过核方法化简得到的最终优化函数为： s.t.ATXHXTA＝I,0≤u≤13 联合上述公式求出变换矩阵A，最终求得映射后新的源域和目标域样本； S5、选择机器学习模型，以源域样本作为训练集，对目标域的滑坡易发性进行预测与区间划分；易发性区间结合自然间断点法与步骤S3的易发性指数分布规律，采用固定阈值法进行区间划分；所述机器学习模型对目标域地区进行易发性评价的具体步骤为： S51、以映射后新的源域样本数据中降维后的主成分致灾因子作为模型输入特征，已知滑坡、非滑坡分类结果作为输出，基于所述映射后新的源域样本数据训练得到机器学习模型分类器； S52、将所述目标域全域栅格单元数据映射至对齐的最佳子空间，生成映射后新的目标域全域栅格数据集；以降维后的主成分致灾因子作为模型输入特征、输出基于栅格单元的目标域滑坡易发性指数； S53、将目标域全域滑坡易发性指数以自然间断点法划分为极高、高、中、低、极低五个易发性区间，生成易发性区划图，并以步骤S3得出的易发性分区图进行校核，采用固定阈值法划定最终易发性区间。

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福州大学，其通讯地址为：350108 福建省福州市闽侯县福州大学城乌龙江北大道2号福州大学；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”。