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！

龙图腾网恭喜莆田学院申请的专利基于大模型的古建筑风险预测管控方法及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：CN119624136B 。

龙图腾网通过国家知识产权局官网在2025-05-09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：202510147366.X，技术领域涉及：G06Q10/0635；该发明授权基于大模型的古建筑风险预测管控方法及系统是由彭颖;吴一可;李思晨;糜沁辰;陈苑锋;饶雅麒;俞翔宇设计研发完成，并于2025-02-11向国家知识产权局提交的专利申请。

本基于大模型的古建筑风险预测管控方法及系统在说明书摘要公布了：本发明公开了基于大模型的古建筑风险预测管控方法及系统，涉及古建筑保护技术领域。基于大模型的古建筑风险预测管控系统，包括有：多源数据采集模块、多模态数据融合模块、大模型风险预测模块、风险评估与预警模块、数字孪生动态管控模块和修复决策模块。本发明通过融合结构状态数据、视觉图像数据和环境数据，实现了对古建筑状态的全面感知；采用自监督学习预训练的ViT‑GPT模型与LSTM时间序列模型相结合，显著提升了风险预测的时序分析能力和多模态数据处理能力，能够精准预测古建筑未来的损伤概率和风险趋势，填补了现有技术在长时间跨度风险预测上的不足。

本发明授权基于大模型的古建筑风险预测管控方法及系统在权利要求书中公布了：1.基于大模型的古建筑风险预测管控方法，其特征在于，包括以下步骤：步骤S1，多源数据采集：获取古建筑关键部位的结构状态数据、古建筑表面的视觉图像数据、古建筑整体的环境数据；步骤S2，多模态数据融合：对步骤S1获取的多源数据进行预处理，包括小波变换降噪、标准化、主成分分析降维；对结构状态数据、视觉图像数据、环境数据进行特征提取及融合，得到多模态融合特征的高维特征向量；步骤S3，大模型风险预测：基于步骤S2的特征提取及融合，采用自监督学习预训练的ViT-GPT模型，结合LSTM时间序列预测模型，建立古建筑风险预测模型，对未来3个月、6个月、12个月的古建筑损伤概率进行预测，并输出预测的风险区域和损伤等级；步骤S4，风险评估与预警：根据步骤S3的预测结果，利用贝叶斯动态阈值算法计算风险等级，设定二级预警机制，当预测风险等级超过阈值时，触发无人机自动巡检，生成高光谱扫描图；若风险等级进一步超过阈值，则调用有限元分析模型计算应力分布，确定加固方案，并通过WebGIS可视化展示风险分布图；所述预测结果包括风险区域、损伤等级和损伤概率分布；所述风险等级的计算包括：从步骤S3输出的预测结果中提取损伤概率，损伤等级和风险区域；采用贝叶斯动态阈值算法，综合考虑不同时间范围的预测损伤概率和损伤等级计算整体风险指数：，其中为时间权重系数，满足，为预测时间范围的总时长；采用贝叶斯不确定性估计方法，计算损伤概率的置信区间，具体包括：通过多次对古建筑风险预测模型进行采样获取分布参数，包括输出的损伤概率的均值和方差，利用正态分布假设，在置信水平下，得到损伤概率的置信区间为： ，其中为标准正态分布的分位数；根据风险指数和置信区间，动态调整风险等级，风险等级的划分规则为： ，其中和为通过动态分段函数设定的两个风险等级阈值；步骤S5，数字孪生动态管控：基于步骤S4生成的风险数据，构建数字孪生模型，通过Unity-3D建模与有限元分析耦合技术，实时模拟古建筑结构在不同环境压力下的受力情况，生成结构稳定性评估报告，并通过强化学习优化加固方案；所述风险数据包括步骤S3的预测结果、风险等级、无人机巡检反馈数据、有限元分析计算数据和风险分布图；步骤S6，修复决策：结合步骤S5提供的结构稳定性评估报告和优化加固方案，调用深度强化学习算法获取修复决策，自动生成修复材料选择方案和施工方案，并经过专家审核后实施。

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莆田学院，其通讯地址为：351100 福建省莆田市荔城区西天尾镇紫霄东路2121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”。