買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉山東省路橋集團有限公司申請的專利一種基于人工智能的路基沉降數據識別方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN120145201B 。

龍圖騰網通過國家知識產權局官網在2025-08-26發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510622267.2，技術領域涉及：G06F18/2415；該發明授權一種基于人工智能的路基沉降數據識別方法是由崔亞軍;孫小龍;李會彬;王偉;安勇;王勇楠;張文虎;劉威;張建政設計研發完成，并于2025-05-15向國家知識產權局提交的專利申請。

本一種基于人工智能的路基沉降數據識別方法在說明書摘要公布了：本發明涉及人工智能與數據處理技術領域，具體涉及一種基于人工智能的路基沉降數據識別方法，具體如下：收集多個路基沉降傳感器的時序監測數據并進行人工標注；對收集的時序監測數據進行自適應時域分段歸一化，設計條件擴散過程，在潛空間生成符合土體力學約束的增強數據；構建基于一維卷積神經網絡的路基沉降數據分類模型，將增強后的數據輸入至模型中進行訓練，得到訓練好的路基沉降數據分類模型；將路基沉降傳感器收集的新的時序監測數據經過預處理后輸入至路基沉降數據分類模型中，得到沉降類別分類結果。本發明通過構建基于一維卷積神經網絡的路基沉降數據分類模型并進行訓練，可以增強模型的判別能力，提高模型識別的準確性和可靠性。

本發明授權一種基于人工智能的路基沉降數據識別方法在權利要求書中公布了：1.一種基于人工智能的路基沉降數據識別方法，其特征是，包括以下步驟： S1、數據準備：收集多個路基沉降傳感器的時序監測數據，并對時序監測數據進行人工標注； S2、數據預處理： S2.1、數據歸一化：對收集的時序監測數據進行自適應時域分段歸一化，得到歸一化后的檢測值； S2.2、數據增強：設計條件擴散過程，在潛空間生成符合土體力學約束的增強數據； S3、構建基于一維卷積神經網絡的路基沉降數據分類模型，一維卷積神經網絡的結構包括卷積層0、卷積層1、池化層1、卷積層2、池化層2、全連接層、Dropout隨機丟棄操作和Softmax歸一化指數函數，將預處理后的數據輸入至模型中進行訓練，得到訓練好的路基沉降數據分類模型； 模型訓練過程中具體包括多尺度自適應擴張卷積操作、注意力引導的門控混合池化操作、動態類別權重分配、漸進式特征蒸餾訓練策略、不確定性感知的Dropout隨機丟棄神經元操作和時域注意力的Softmax歸一化指數函數優化； 注意力引導的門控混合池化操作具體如下： 在池化層1和池化層2采用門控混合池化操作，門控混合池化通過注意力機制動態融合最大池化與平均池化的優勢，進而保留突變特征并平滑噪聲； 其中，池化層1對卷積層1的輸出特征進行處理，池化層2對卷積層2的輸出特征進行處理，若卷積層1或卷積層2的輸出特征的時序序列縮短，則對應池化層按照卷積層1或卷積層2的輸出特征的新的時序時刻索引進行處理； 漸進式特征蒸餾訓練策略具體如下： 漸進式特征蒸餾訓練策略分為三個階段漸進訓練： 階段1：凍結卷積層2及后續層，僅訓練卷積層0、卷積層1、前向擴散過程和反向去噪過程； 階段2：解凍全連接層，進行特征蒸餾，特征蒸餾的損失函數如下： ， 其中，表示輔助蒸餾損失，表示參與蒸餾的中間層數量，表示教師模型第層的特征表示，教師模型是指階段1訓練好的凍結模型，表示學生模型第層的特征表示，學生模型是指階段2解凍的全連接層模型； 階段3：進行整體微調，將學習率按指數衰減的方式進行設置，緩解梯度消失問題，確保深層特征的有效傳遞，學習率的計算公式如下： ， 其中，表示第次迭代的學習率，表示當前迭代次數，表示整數； S4、將路基沉降傳感器收集的新的時序監測數據經過預處理后輸入至訓練好的路基沉降數據分類模型中，得到沉降類別分類結果。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人山東省路橋集團有限公司，其通訊地址為：250014 山東省濟南市歷下區經十路14677號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。