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！

龙图腾网获悉北京林美生态环境技术有限公司申请的专利基于机器学习的生态环境敏感区动态变化评估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：CN120635673B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202510955620.9，技术领域涉及：G06V10/82；该发明授权基于机器学习的生态环境敏感区动态变化评估预测方法是由李宇宸;赵茜;王娇;张佳音;郭尚文;白凤;唐嘉梁;李昊阳设计研发完成，并于2025-07-11向国家知识产权局提交的专利申请。

本基于机器学习的生态环境敏感区动态变化评估预测方法在说明书摘要公布了：本发明提供一种基于机器学习的生态环境敏感区动态变化评估预测方法，涉及生态环境监测技术领域，包括通过获取遥感影像数据并预处理，提取环境要素特征序列；采用层次化记忆蒸馏网络提取长期变化序列的周期性特征，结合短期变化序列进行时空重组；利用图神经网络构建动态关联图分析环境要素耦合关系；基于突变幅度和累积变化趋势评估敏感度并预警。本发明能够准确捕捉环境要素的动态变化特征，提高生态环境敏感区预警的准确性和及时性。

本发明授权基于机器学习的生态环境敏感区动态变化评估预测方法在权利要求书中公布了：1.基于机器学习的生态环境敏感区动态变化评估预测方法，其特征在于，包括： 获取目标生态环境敏感区在预设时间段内的遥感影像数据，进行正射校正和大气校正，得到预处理影像数据； 从预处理影像数据中提取环境要素特征序列，并按照预设的时间间隔划分为长期变化序列和短期变化序列； 构建层次化记忆蒸馏网络，通过主记忆单元提取长期变化序列的周期性特征，基于时序蒸馏因子将主记忆特征映射至从记忆单元重构得到蒸馏特征，将蒸馏特征与短期变化序列进行时空重组，得到融合时空特征，包括： 构建主记忆单元，所述主记忆单元中设置多个卷积核，将所述卷积核的感受野大小与所述长期变化序列的周期性特征相匹配，对所述长期变化序列进行卷积运算，得到周期性特征图，对所述周期性特征图进行非线性激活函数映射，得到主记忆特征； 构建从记忆单元，在所述从记忆单元中基于所述主记忆特征计算时序蒸馏因子，所述时序蒸馏因子用于调节不同时间尺度下特征的映射强度，将所述主记忆特征通过所述时序蒸馏因子进行特征空间映射，利用解码器对映射后的特征进行重构，并通过重构损失函数进行优化，得到蒸馏特征； 将蒸馏特征和短期变化序列按时序片段切分，通过位置编码构建时序关联，利用前向后向状态更新获取时序依赖关系，结合权重矩阵对特征进行融合，采用多尺度卷积处理得到融合时空特征； 基于图神经网络将融合时空特征映射为动态关联图，通过节点嵌入和边注意力机制计算环境要素之间的耦合关系，生成目标生态环境敏感区的状态向量，包括： 从所述融合时空特征中提取环境要素的时间序列特征和空间分布特征，构建环境要素特征向量； 将所述环境要素特征向量映射为动态关联图的节点，计算节点之间的特征距离，当所述特征距离小于预设的距离阈值时在对应节点之间建立关联边，所述关联边的权重根据节点之间的特征相似度确定，生成包含环境要素节点和关联边的动态关联图； 利用图神经网络对所述动态关联图的环境要素节点进行特征嵌入，通过图卷积运算提取节点的局部结构信息，获取环境要素节点的结构化特征表示； 构建边注意力网络，基于所述结构化特征表示计算环境要素节点之间的耦合系数，根据所述耦合系数对节点特征进行自适应加权，得到反映环境要素耦合关系的节点表征； 基于正交分解的时空特征流重构，结合多层级加权融合，对所述节点表征进行动态聚合运算，生成目标生态环境敏感区的状态向量，所述状态向量包含区域内环境要素的整体耦合模式； 根据状态向量的时序变化特征，基于环境要素的突变幅度和累积变化趋势构建敏感度评分函数，计算敏感度得分，当敏感度评分超过预设的敏感度阈值时，输出生态环境敏感区的动态变化预警信息。

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北京林美生态环境技术有限公司，其通讯地址为：100000 北京市昌平区回龙观镇北农路7号科技综合楼A1002室(昌平示范园)；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。