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！

龙图腾网恭喜鄂尔多斯市腾远煤炭有限责任公司;武汉大学申请的专利一种基于多模态深度学习的矿山边坡风险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：CN119539481B 。

龙图腾网通过国家知识产权局官网在2025-05-23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：202411605195.2，技术领域涉及：G06Q10/0635；该发明授权一种基于多模态深度学习的矿山边坡风险预测方法是由张衡;赵东;刘海云;侯晓东;周天畅;王毅博设计研发完成，并于2024-11-12向国家知识产权局提交的专利申请。

本一种基于多模态深度学习的矿山边坡风险预测方法在说明书摘要公布了：本发明公开了一种基于多模态深度学习的矿山边坡风险预测方法，涉及矿山边坡风险预测技术领域，本发明包括Stepl:输入多模态数据、Step2:效据预处理、Step3:样本集构建和Step4:基于互信息机制的门控循环单元GRU实现矿山边坡稳定性预测，本发明采用多模态数据集成GRU网络对融合后的数据进行序列建模，提取更复杂的序列特征，完成边坡安全事件预测分析，实现矿山边坡的高精度监测，提高预测结果的准确性和全面性；本发明将互信息机制应用于GRU网络来最大化样本与特征间的互信息，提高特征与标签之间的依赖性，不仅保障了预测能力，还保障了在新数据上的泛化能力。

本发明授权一种基于多模态深度学习的矿山边坡风险预测方法在权利要求书中公布了：1.一种基于多模态深度学习的矿山边坡风险预测方法，其特征在于，包括：StepS1：输入多模态数据，包括研究区域高程数据、坡度数据、坡向数据、GNSS位移数据、雷达数据、降雨量数据、历史滑坡数据、地质岩层数据、地质灾害隐患点数据；StepS2：数据预处理，对输入的数据进行预处理，包括数据清洗、坐标转换、格式转换、文本数据提取、归一化；StepS3：样本集构建，结合历史滑坡数据以及专家知识目视解译，对预处理后的雷达影像，绘制滑坡及其隐患多边形；StepS4：基于互信息机制的门控循环单元GRU实现矿山边坡稳定性预测；所述互信息机制的门控循环单元GRU，其网络结构，包括输入数据层、互信息估计层、GRU隐含层、互信息估计层、全连接层、输出数据层五层结构；所述GRU隐含层通过引入门控机制来控制信息的累积速度，有选择的保留和遗忘某些信息；所述GRU神经元通过重置门和更新门中的函数控制当前时刻中引入前一时刻状态信息的程度，其数值越大表明前一时刻的状态信息越重要，其内部关系为： ；式中，为重置门，为更新门，为候选隐藏状态，为传递到下一时刻的隐藏状态，为当前时刻输入信息，为上一时刻的隐藏状态，、、为需要学习的权重矩阵参数；GRU神经网络通过两个门结构来选择历史数据的记忆和遗忘；在隐含层之前添加互信息估计层，对不同的影响因子进行互信息值计算，提取互信息值较小的影响因子，在隐含层之后添加互信息估计层，对提取的特征进行互信息值计算，提取关键特征；输入保留的影响因子序列数据、矿山历史滑坡数据，通过GRU隐含层实现高层次特征学习，通过互信息估计层剔除冗余变量，突出有意义的特征，在全连接层实现局部特征整合；所述互信息，其具体为：信息源自于信息熵，是两个随机变量间线性与非线性相互依赖程度的一种度量，互信息的实质为由Y的确定导致X不确定性的减少量，即Y中蕴含的X的信息量；设A为包含n个变量的集合，和（i≠j）是A中的任意两个变量，集合A的相关性为： ；其中： ；其中：，表示变量和的边缘概率；表示和联合分布的概率；将互信息值较小的变量保留，优化公式如下，将互信息值归一化到0-1之间，进行不同变量之间的互信息值比较； 。

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鄂尔多斯市腾远煤炭有限责任公司;武汉大学，其通讯地址为：017000 内蒙古自治区鄂尔多斯市东胜区铜川镇常青村郭家塔社；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”。