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！

龍圖騰網恭喜長安大學申請的專利一種滑坡地表變形影響因素權重的計算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：CN115048866B 。

龍圖騰網通過國家知識產權局官網在2025-05-13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：202210686251.4，技術領域涉及：G06F30/27；該發明授權一種滑坡地表變形影響因素權重的計算方法是由黃達;何俊;郭子正;彭建兵;楊玉飛設計研發完成，并于2022-06-16向國家知識產權局提交的專利申請。

本一種滑坡地表變形影響因素權重的計算方法在說明書摘要公布了：本發明提供了一種滑坡地表變形影響因素權重的計算方法，屬于工程地質技術領域，解決了由滑坡影響因素對位移的貢獻相同進行滑坡位移預測從而造成結果不準確性這一技術問題。構建基于注意力的LSTM模型，包括：兩個LSTM模型，將這些外部因素的時間序列數據輸入基于注意力的LSTM模型用于模型的訓練，最終得到滑坡的位移預測模型；基于注意力的LSTM模型輸出不同外部因素的權重并判斷不同的外部因素對于滑坡位移的影響，從而實現滑坡位移的有效預測。本發明根據歷史監測數據能計算出各種外部因素在滑坡位移預測中所占的權重，然后根據權重大小判斷出各種因素對滑坡位移預測的影響程度，最后能有效地進行滑坡位移預測。

本發明授權一種滑坡地表變形影響因素權重的計算方法在權利要求書中公布了：1.一種滑坡地表變形影響因素權重的計算方法，其特征在于，該計算方法包括以下步驟：S1、按相同采樣時間和采樣間距收集當前滑坡位移和影響滑坡變形的外部因素的歷史數據；采樣間距即為時間步，設定時間分割步長，按設定的時間分割步長分割歷史數據生成滑坡位移預測的樣本數據集，樣本數據集中的樣本用X表示標簽為對應的滑坡位移，一個樣本中包含S個小樣本，對應S個時刻，每個小樣本的數據為外部因素，對樣本數據集進行標準化處理，并劃分數據集為訓練集和驗證集；S2、構建基于注意力的LSTM模型所述基于注意力的LSTM模型包括第一LSTM模型、第二LSTM模型、全連接層，具體的模型架構為：所述第一LSTM模型具有S個LSTM單元，相鄰兩個LSTM單元之間連接一個因子注意力模塊，最后一個LSTM單元的輸出即為第一LSTM模型的輸出，第一LSTM模型的輸出作為第二LSTM模型的輸入，第二LSTM模型的隱藏層連接時間注意力模塊，經過時間注意力模塊處理后對第二LSTM模型的隱藏層的狀態進行更新，進而獲得第二LSTM模型的輸出，第二LSTM模型的輸出連接一個全連接層，該全連接層的輸出為滑坡位移數據，同時將第一LSTM模型中每個因子注意力模塊計算的s時刻因子的權重αs作為輸出；所述因子注意力模塊包括三個全連接層和兩個激活函數，即第一全連接層、第二全連接層、第三全連接層、tanh激活函數、Softmax激活函數，第一LSTM模型中任意s時刻的因子注意力模塊的計算方式是：上一時刻s-1LSTM單元輸出的隱藏層狀態hs-1和細胞狀態cs-1輸入到因子注意力模塊中的第二全連接層，第s時刻的M個外部因子數據輸入到第一全連接層，最終將第一、第二全連接層的輸出通過tanh激活函數處理后作為第三全連接層的輸入，第三全連接層的輸出經softmax激活函處理后為第s時刻因子注意力模塊的因子權重，并與xs相乘之后作為第一LSTM模型中第s時刻LSTM單元的輸入；S3、利用訓練集中的數據對步驟S2中基于注意力的LSTM模型的參數進行訓練，獲得滑坡位移預測模型；S4、將待計算滑坡區域的影響滑坡變形的外部因素經步驟S1的方式處理后，獲得按設定時間分割步長分割的若干樣本，將若干樣本輸入到步驟S3獲得的滑坡位移預測模型中，則輸出滑坡的位移預測結果，同時能夠輸出該區域的不同外部因素對滑坡變形影響的權重。

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長安大學，其通訊地址為：710064 陜西省西安市雁塔區南二環中段126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”。