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！

龙图腾网获悉石家庄学院申请的专利基于大数据的实验室安全异常预测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：CN120430519B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202510890237.X，技术领域涉及：G06Q10/063；该发明授权基于大数据的实验室安全异常预测系统是由芦小刚;郭柯馨;苗培周;段献辉;张欣设计研发完成，并于2025-06-30向国家知识产权局提交的专利申请。

本基于大数据的实验室安全异常预测系统在说明书摘要公布了：本发明公开了基于大数据的实验室安全异常预测系统，包括原始数据采集模块、数据优化模块、异常样本补偿模块、安全异常预测模型构建模块和实验室安全异常预测模块。本发明涉及实验室管理数据处理技术领域，具体是指基于大数据的实验室安全异常预测系统，本方案创新性地设计了异常样本补偿模块，实现了对稀缺异常样本的结构化和条件化补充；创新性地引入实验室身份特征向量，实现了实验人员层级下的个性化风险识别与精准预测；创新性地设计基于实验室身份特征向量的条件Wasserstein距离对抗目标函数，显著提升了合成异常样本的真实性与多样性；创新性地设计了身份安全风险预测损失函数，提高了模型在复杂动态实验室环境下的预测准确性。

本发明授权基于大数据的实验室安全异常预测系统在权利要求书中公布了：1.基于大数据的实验室安全异常预测系统，其特征在于：包括原始数据采集模块、数据优化模块、异常样本补偿模块、安全异常预测模型构建模块和实验室安全异常预测模块； 所述原始数据采集模块具体为通过实验室安全管理平台对实验室运行过程中的多源原始数据进行采集，得到实验室安全原始数据； 所述数据优化模块，用于对实验室安全原始数据进行系统化处理，具体为对所述实验室安全原始数据进行数据预处理，并结合实验室人员信息，生成实验室身份特征向量，并基于历史安全结果定义样本标签，得到实验室安全优化数据； 所述异常样本补偿模块，用于解决实验室安全异常样本数量稀缺的问题，具体为通过身份分组异常样本构建，生成身份异常特征向量集合，并通过设计生成器、设计引入谱归一化的判别器和设计融合实验室身份特征向量的条件Wasserstein距离并引入梯度惩罚策略的总体对抗目标函数，从而构建身份分组异常样本生成模型，并进行模型训练，将数据输入到训练后的身份分组异常样本生成模型，得到增强训练数据集； 所述安全异常预测模型构建模块具体为采用包含局部风险感知层、远程依赖风险提取层、实验人员身份敏感性调制层、身份动态加权融合层和风险预测输出层的多层结构模型，构建安全异常预测模型，并以增强训练数据集为输入，采用身份调制的风险预测损失函数进行模型训练，得到训练后安全异常预测模型；包括以下步骤： 局部风险感知层，具体为通过采用多层双向长短期记忆网络，并对最后一层隐藏状态输出进行时间维度的最大池化操作，得到该时间窗口下的局部风险特征； 远程依赖风险提取层，具体为采用基于自注意力机制的多层Transformer编码网络，所述Transformer编码网络包含多头注意力机制和位置前馈网络，并配有残差连接与层归一化处理；并对多层Transformer的最终输出进行平均池化操作，得到远程风险特征； 实验人员身份敏感性调制层，具体为通过引入多头自注意力机制增强身份特征的表示能力，得到身份增强向量，并将其分别输入至两路结构相同但参数独立的多层感知机网络通道，非线性映射生成局部风险调制因子和与远程风险调制因子；所述多层感知机网络通道包含一层共享的身份特征提取网络与两组独立输出分支；所述风险调制因子用于动态反映身份差异对不同风险来源的敏感性调整需求； 身份动态加权融合层，具体为根据局部风险调制因子和与远程风险调制因子分别对局部风险特征与远程风险特征进行加权求和处理，得到身份感知风险特征； 风险预测输出层，具体为将身份感知风险特征输入全连接神经网络层，并通过Sigmoid激活函数，得到实验室安全异常预测结果； 设计身份安全风险预测损失函数，具体为结合身份调制权重与条件风险方差，对实验室操作过程中不同身份角色的预测误差进行风险敏感性调制，构建身份差异化的损失函数；所用公式如下： ； 式中，表示身份安全风险预测损失函数值，n表示训练样本数量，表示第i个样本的真实风险值，表示第i个样本的风险预测值，表示第i个样本的输入时间序列行为特征，表示第i个样本对应的实验室身份特征向量，表示自然对数函数，表示由模型预测得到的第i个样本的风险方差估计值，表示第i个样本的身份调制权重，是由实验室身份特征向量经多层感知机学习得到； 构建并训练模型，具体为通过所述局部风险感知层、所述远程依赖风险提取层、所述实验人员身份敏感性调制层、所述身份动态加权融合层和风险预测输出层，进行安全异常预测模型的构建，基于所述增强训练数据集作为训练数据，采用身份安全风险预测损失函数对模型作为优化目标进行模型训练，得到训练后安全异常预测模型； 所述实验室安全异常预测模块具体为将实时数据输入训练完成的安全异常预测模型，得到实验室安全风险预测结果。

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石家庄学院，其通讯地址为：050000 河北省石家庄市高新技术开发区珠峰大街288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。