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！

龙图腾网获悉四川轻化工大学;宜宾嘉博智能科技有限公司申请的专利一种轻量化智能滑坡位移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：CN120632326B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202511140261.8，技术领域涉及：G06F18/15；该发明授权一种轻量化智能滑坡位移预测方法是由唐宇峰;吕奇;何俚秋;李家伟;付海嘉;程钢;郑江设计研发完成，并于2025-08-14向国家知识产权局提交的专利申请。

本一种轻量化智能滑坡位移预测方法在说明书摘要公布了：本发明提供了一种轻量化智能滑坡位移预测方法，属于地质灾害监测预测领域，其内容包括：获取滑坡体监测点的历史监测位移时序数据；对位移时序数据进行动态归一化处理；构建包含门控增强常微分方程网络和动态残差修正模块的轻量化预测模型；通过联合训练模块同步优化基础预测和残差修正网络，采用包含动态阈值Huber损失和L2正则化的复合损失函数；基于滚动预测机制，当新监测数据到达时自动更新滑动窗口并计算预测结果。本发明通过门控增强常微分方程网络与动态残差修正的协同优化，保证模型轻量化的同时提升预测精度，为滑坡灾害早期预警和防灾减灾决策提供实时可靠的技术支撑。

本发明授权一种轻量化智能滑坡位移预测方法在权利要求书中公布了：1.一种轻量化智能滑坡位移预测方法，其特征在于，包括以下步骤： 步骤一：获取滑坡体监测点的历史监测位移时序数据； 步骤二：采用动态归一化方法对所述历史监测位移序列进行标准化处理，得到标准化位移序列； 步骤三：通过门控增强常微分方程网络，得到基础预测值； 步骤四：通过动态残差修正方法，得到用于损失计算的预测结果； 步骤五：以动态复合损失函数为优化目标，基于用于损失计算的预测结果，通过反向传播算法联合优化门控增强常微分方程网络和残差修正方法中的可训练参数； 所述可训练参数，包括： 1门控增强常微分方程网络核心中的权重矩阵和偏置项； 2动态残差修正模块的全连接层权重及偏置项； 步骤六：重复执行步骤二至步骤五的计算过程，直至达到预设的迭代次数，最终获得包含门控增强常微分方程网络和动态残差修正的预测模型； 步骤七：将当前最新滑动窗口数据输入训练好的预测模型，计算获得最终位移预测值，并对预测结果实施反归一化处理； 步骤八：当新监测数据到达时，移除最早数据点并加入新数据，对最新窗口内监测位移序列按步骤二执行动态归一化处理后重新执行步骤七； 所述门控增强常微分方程网络，通过以下步骤实现： 步骤S31：降维时序编码：通过门控循环单元处理标准化位移序列，其中门控循环单元的隐藏层维度配置为D2，并提取最终时间步的D2维隐藏状态后，通过零填充将该状态扩展为D维，作为初始隐藏状态h0，其中D为基准隐藏层维度； 步骤S32：对标准化位移序列进行核大小为k，步长为1的池化降采样，得到长度为Lk的降采样序列，其中L为标准化位移序列长度，k为大于1的整数； 步骤S33：将降采样序列与初始隐藏状态h0，通过动态门控状态演化过程求得基础预测值； 所述动态门控状态演化过程，通过依次执行以下步骤实现： S34：特征-状态融合，方法为：沿特征维度将降采样位移序列与门控循环单元编码器初始隐藏状态拼接，并通过线性变换映射至高维空间，得到特征-状态融合输出； S35：门控激活，方法为：首先，将特征-状态融合输出沿最后一个特征维度将所述输出均等拆分为两个子向量；其次，对第一个子向量应用输出范围为0,1的sigmoid函数；再次，将sigmoid激活结果与第二个子向量逐元素相乘，得到门控激活输出； S36：层归一化：对门控激活输出进行归一化处理，得到层归一化输出； S37：计算隐状态残差：将层归一化输出与门控循环单元编码器初始隐藏状态的λ倍相加，得到残差输出，λ∈[0.05,0.2]； S38：求解常微分方程：对残差输出给出的导数进行数值积分，得到常微分方程输出； S39：线性解码：将常微分方程输出通过线性变换映射为基础预测值。

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四川轻化工大学;宜宾嘉博智能科技有限公司，其通讯地址为：643000 四川省自贡市自流井区汇东学苑街180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。