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基于流形圖卷積網絡的陡峭斜坡穩定性預測方法及系統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：CN120180127B 。

龍圖騰網通過國家知識產權局官網在2025-09-16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：202510283047.1，技術領域涉及：G06F18/214；該發明授權基于流形圖卷積網絡的陡峭斜坡穩定性預測方法及系統是由紀東興;李喜民;葛超;陳巖;蔣毫;韓志文;蔣鵬飛;王智昊設計研發完成，并于2025-03-11向國家知識產權局提交的專利申請。

本基于流形圖卷積網絡的陡峭斜坡穩定性預測方法及系統在說明書摘要公布了：本發明涉及一種基于流形圖卷積網絡的陡峭斜坡穩定性預測方法及系統，屬于地質災害監測與預測技術領域。其包括以下步驟：數據采集與預處理；構造融合多元特征的圖結構；構建流形圖卷積神經網絡模型；模型訓練；陡峭斜坡地表位移預測；根據預測的地表位移結果，進行陡峭斜坡穩定性評估。本發明綜合地質、地形等多源數據反映斜坡實時狀態；通過多維度數據融合，捕捉關鍵因素，提升預測全面性與準確性。構建融合多元特征的圖結構，利用流形圖卷積網絡和神經常微分方程，深度挖掘空間相關性與時間動態變化，實現時空特征深度融合。模型對輕微形變和復雜地質條件適應性良好，魯棒性高，能夠適用于不同類型斜坡監測。

本發明授權基于流形圖卷積網絡的陡峭斜坡穩定性預測方法及系統在權利要求書中公布了：1.一種基于流形圖卷積網絡的陡峭斜坡穩定性預測方法，其特征在于，包括以下步驟： S1.數據采集與預處理：收集陡峭斜坡數據，包括InSAR數據I、地質數據G、地形數據T、環境數據E、力學數據M以及人工監測數據D，并對數據進行預處理，得到預處理的陡峭斜坡數據，并劃分為測試集和訓練集； S2.構造融合多元特征的圖結構：將預處理的InSAR數據I作為圖中的節點，根據空間距離和坡度差異建立節點之間的邊，得到圖結構，圖結構包括每個節點的特征向量和節點之間的邊對應的鄰接矩陣； S3.構建流形圖卷積神經網絡模型：流形圖卷積神經網絡模型包括圖卷積神經網絡和神經常微分方程，將測試集中第個時刻的節點的特征向量和第個時刻的節點之間的邊對應的鄰接矩陣輸入到圖卷積神經網絡中對陡峭斜坡的空間特征進行提取，得到陡峭斜坡的潛在信息表示，所述陡峭斜坡的潛在信息表示輸入到神經常微分方程中進行時間動態建模，得到預測的陡峭斜坡地表位移； 具體步驟如下： S31.基于圖卷積神經網絡的空間特征提?。涸趫D卷積神經網絡中進行多層圖卷積操作，第層的特征提取公式表示如下： ， ， ， ， 其中，表示第層的節點表示，初始層，表示對稱歸一化處理后的鄰接矩陣，表示度矩陣，表示在時刻時節點與節點之間的鄰接關系權重，即鄰接矩陣的第行、第列元素，表示第層的節點表示，表示第層的可訓練權重矩陣，表示ReLU激活函數，當時，，當時，；經過多層圖卷積操作之后，最終得到陡峭斜坡的潛在信息表示； S32.基于神經常微分方程的時間動態建模：斜坡狀態的時間演化常微分方程公式表示如下： ， 其中，表示參數化的動態函數，表示可訓練參數；通過Runge-Kutta方法，計算斜坡狀態從時刻到的演化，公式表示如下： ， 其中，表示斜坡在未來時刻的隱藏狀態，表示斜坡狀態隨時間變化的動態函數，表示斜坡在時間的隱藏狀態，是積分變量，表示時間，，從當前時刻積分到未來時刻；將斜坡在未來時刻的隱藏狀態經過線性映射得到預測的地表位移，公式表示如下： ， 其中，表示節點在時刻的隱藏狀態向量，表示線性映射過程中的可訓練權重矩陣，表示線性映射過程中的偏置向量，表示ReLU激活函數； S4.模型訓練：通過均方誤差作為損失函數對模型進行訓練，得到訓練好的模型； S5.陡峭斜坡地表位移預測：測試集中數據輸入到訓練好的模型中，得到預測的地表位移； S6.根據預測的地表位移結果，進行陡峭斜坡穩定性評估。

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”。