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！

龙图腾网恭喜四川亿欣新材料有限公司申请的专利一种大角度急陡岩质边坡生态修复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：CN119066375B 。

龙图腾网通过国家知识产权局官网在2025-04-01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：202411570606.9，技术领域涉及：G06F30/27；该发明授权一种大角度急陡岩质边坡生态修复方法是由李林富;彭贵明;马翎瀚;朱丹;彭建蓉设计研发完成，并于2024-11-06向国家知识产权局提交的专利申请。

本一种大角度急陡岩质边坡生态修复方法在说明书摘要公布了：本申请涉及生态修复技术领域，尤其是涉及到一种新型大角度急陡岩质边坡生态修复方法，该方法首先通过无人机遥感、地面三维激光扫描、物联网监测等多源数据融合，获取边坡生态系统的高时空分辨率监测数据；然后构建了融合时空特征的端到端深度学习模型，实现边坡生态退化模式的自适应学习和多场景诊断；在此基础上，进一步耦合智能决策、过程优化、可视化管控等技术，构建生态修复全过程智能分析平台和业务协同机制，显著提升了生态修复的智能化与自动化水平。

本发明授权一种大角度急陡岩质边坡生态修复方法在权利要求书中公布了：1.一种大角度急陡岩质边坡生态修复方法，其特征在于，包括如下步骤：步骤1多源数据融合构建大角度急陡岩质边坡生态监测数据集,具体包括：步骤1.1多平台多传感器获取大角度急陡岩质边坡高分辨率遥感影像、三维点云、地质雷达图像多源异构数据：利用无人机搭载高分辨率可见光相机和多光谱相机对研究区进行航拍，获取高清影像；利用地面三维激光扫描仪获取研究区三维点云数据；利用地质雷达探测研究区内部地质结构；在研究区布设多参数自动监测设备，连续采集气象、土壤、植被数据；步骤1.2对多源异构生态监测数据进行数据预处理：对收集的多源异构数据进行质量控制，剔除异常值和噪声数据，并进行时空配准，统一时空基准；利用数字摄影测量技术，结合高分辨率影像和三维点云数据，生成数字表面模型和真正射影像，获取精细的地形信息；对DSM进行地形属性分析，提取边坡坡度、坡向、曲率微地形特征；步骤1.3提取边坡生态属性：对DOM进行植被信息提取，计算归一化植被指数、增强型植被指数植被覆盖度指标；对土壤监测数据进行插值分析，生成土壤含水量、养分属性的空间分布图；对气象监测数据进行统计分析，计算降雨侵蚀力、干燥度气候因子；步骤2基于双向长短时记忆网络挖掘大角度急陡岩质边坡生态时序演化规律,具体包括：步骤2.1前向计算：对于第个网格在第个时间步的生态状况数据，利用前向提取其隐藏状态： ；其中，为上一时间步的前向隐藏状态，为总时间步长；步骤2.2后向计算：对于第个网格在第个时间步的生态状况数据，利用后向提取其隐藏状态： ；其中，为下一时间步的后向隐藏状态；步骤2.3合并双向隐藏状态：将前向隐藏状态和后向隐藏状态进行拼接，得到第个网格在第个时间步的时序特征： ；步骤3基于注意力机制深度建模大角度急陡岩质边坡复杂地形结构对生态过程的影响,具体包括：步骤3.1空间坐标嵌入：将第个网格的空间坐标嵌入到高维空间，得到坐标嵌入向量，并进行位置编码，得到位置嵌入向量，将两者相加作为输入的初始隐藏状态： ；步骤3.2计算自注意力权重：在的每一层中，首先计算第个网格与其他所有网格之间的注意力权重；将第层第个网格的隐藏状态乘以参数矩阵得到查询矩阵，乘以参数矩阵得到键矩阵，乘以参数矩阵得到值矩阵： ；然后利用查询矩阵和所有网格的键矩阵计算注意力权重，并对值矩阵进行加权求和，得到第层第个网格的多头自注意力输出： ； ；其中，为自注意力头数，为隐藏状态维度，为网格总数，为拼接操作，为输出层参数矩阵；步骤3.3前馈网络计算：将多头自注意力输出通过两个前馈层，先进行线性变换，再通过激活函数，得到前馈网络输出： ；其中，代表前馈网络的输入，和为前馈层参数矩阵，和为偏置项；步骤3.4残差连接和层归一化：将前馈网络输出与输入相加，再通过层归一化得到第层第个网格的输出隐藏状态： ；步骤3.5堆叠块：重复步骤3.2-3.4共次，得到第个网格的最终输出；步骤4融合时空特征,具体包括：步骤4.1拼接时空特征：将提取的时序特征和提取的空间特征拼接，得到时空联合特征： ；步骤4.2时序-空间注意力交互：以时序特征为查询，空间特征为键和值，计算时序-空间注意力： ；其中，分别为查询矩阵、键矩阵和值矩阵，为时空联合特征维度；步骤4.3空间-时序注意力交互：以空间特征为查询，时序特征为键和值，计算空间-时序注意力： ；其中，分别为查询矩阵、键矩阵和值矩阵；步骤4.4门控单元融合：利用门控单元融合时序-空间注意力和空间-时序注意力，得到最终的时空交互特征： ； ；其中，为融合系数，为激活函数，为哈达玛积，和为门控单元参数；步骤5模型训练；步骤6模型推理,具体包括：步骤6.1预处理待预测数据：对待预测的边坡数据进行预处理，提取时序特征和空间坐标属性，转换为模型输入格式；步骤6.2加载模型并预测：加载训练好的最优模型参数，将预处理后的数据输入模型，经过前向传播得到生态状况预测值： ；其中，为时空交互特征，和为输出层参数，为激活函数；步骤6.3生成预测报告：将预测值反映射回原始尺度，生成各个网格单元在不同时间步的生态状况预测值；统计分析预测值的时空分布特征，绘制预测图表，形成边坡生态状况预测报告；步骤6.4预测结果分析：对比分析预测值与实测值，评估模型的预测精度和稳定性；分析预测值的变化趋势和关键影响因子，揭示边坡生态演化规律；结合预测结果，识别生态退化的高风险区，提出生态修复的针对性措施；步骤6.5模型更新：定期收集新的监测数据，对模型进行迭代训练和优化。

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亿欣新材料有限公司，其通讯地址为：625000 四川省雅安市石棉工业园区；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”。