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！

龙图腾网获悉长沙理工大学申请的专利基于机器学习的公路工程灾害监测预警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：CN120126300B 。

龙图腾网通过国家知识产权局官网在2025-07-18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：202510617386.9，技术领域涉及：G08B31/00；该发明授权基于机器学习的公路工程灾害监测预警系统是由侯云飞;徐灿;张永;李明顺;刘雅儒;金娇设计研发完成，并于2025-05-14向国家知识产权局提交的专利申请。

本基于机器学习的公路工程灾害监测预警系统在说明书摘要公布了：本发明公开了基于机器学习的公路工程灾害监测预警系统，涉及工程安全监测预警技术领域，针对极端降雨及多灾种联动引发的公路工程灾害，提出自多源传感器布设至数据融合、深度学习预测与自动化应急联动的完整方案，步骤一采用自适应选址指数优化传感器部署，增强监测覆盖与通信鲁棒性；步骤二对原始观测进行聚类、插值及异常校验，获取可信多源融合数据；步骤三基于时序或图网络构建深度学习模型，输出滑坡风险并动态调整阈值；步骤四使用紧迫度和应急集群度、实现多部门快速调度；步骤五进一步扩展至洪涝、桥梁健康等灾害监测，形成全灾种协同防控体系，展现了高度的可靠性与强大的协同作业能力。

本发明授权基于机器学习的公路工程灾害监测预警系统在权利要求书中公布了：1.基于机器学习的公路工程灾害监测预警系统，其特征在于：包括， 当极端降雨或地质监测需求触发时，根据选址指数分配多源传感器，采集并校准原始数据，生成原始数据帧；其中，结合传感器与基站之间的距离、环境负荷以及局部梯度信息，定义传感器选址指数；其中，原始数据包含降雨量、土壤含水量、地表位移、微震幅度； 构建传感器选址指数用以量化传感器在特定位置处的布设合理性； 为在选址过程中同时考虑传感器与基站之间的距离、环境负荷以及局部梯度信息，定义传感器选址指数，如下所示： ； 表示传感器候选位置，在地理坐标中可视为；为基站或主要数据汇聚节点的位置，由通信网络规划决定的固定坐标作用；表示候选点与基站间的欧氏距离；表示对坐标的梯度向量，其范数代表在附近距离函数随位置微调的变化速率；表示候选点周边的环境负荷指标； 表示对坐标的梯度，表示环境负荷在局部区域的变化率；为平衡系数，，用于在通信便利性优先与高危环境优先之间进行加权，为衰减因子，，为积分变量，； 原始数据帧抵达中心节点后，通过聚类与插值算法剔除噪声并修补空值，再触发异常筛查机制识别超限传感器并调用备用设备，形成多源融合向量供模型训练； 多源融合向量进入深度学习模块后，利用时序网络或图网络挖掘空间-时间依赖并动态修正全局风险阈值，生成滑坡风险度并迭代更新模型参数以适应极端降雨工况； 滑坡风险度超越全局风险阈值后立刻发送多渠道告警，并依据通知紧迫度和应急集群度协调抢险队伍及设备进驻高危路段； 当洪涝、桥梁健康或冻融灾情需求并行触发时，在前述传感器布设与数据融合环节增设相应水位计应变计与温度监测，将多灾种风险综合构建合成风险度，并借应急集群度调度不同支援；其中，构建应急集群度用于衡量交通管理部门、地质部门、抢险队伍在资源调度上的协同效率； 若传感器在短时段内突变幅度超过预先设定的跳变阈值，且与选址指数相结合评估后被判定为不合理，则触发该设备的二次复位校验机制，或切换到同区域的备用传感器； 当构建的交叉衡量因子连续多次低于设定阈值时，将判定该传感器设备或数据异常，并记录到故障疑似清单，同时自动调用备用设备或发起现场人工巡检请求，若发现周边多个传感器同时出现读数失常，列入高风险状态清单； 定义以下交叉衡量因子： ； 式中：为多源融合向量；为该传感器在正常工况下的多源融合向量的参考预测向量；表示当前与参考之间的多维差异；为传感器选址指数； 为该交叉衡量因子的权重，取值均大于0，为衰减因子，取值大于0，为积分变量。

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长沙理工大学，其通讯地址为：410000 湖南省长沙市天心区赤岭路45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”。