買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜鄂爾多斯市騰遠(yuǎn)煤炭有限責(zé)任公司;武漢大學(xué)申請的專利一種基于多模態(tài)深度學(xué)習(xí)的礦山邊坡風(fēng)險預(yù)測方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN119539481B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-05-23發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202411605195.2，技術(shù)領(lǐng)域涉及：G06Q10/0635；該發(fā)明授權(quán)一種基于多模態(tài)深度學(xué)習(xí)的礦山邊坡風(fēng)險預(yù)測方法是由張衡;趙東;劉海云;侯曉東;周天暢;王毅博設(shè)計(jì)研發(fā)完成，并于2024-11-12向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于多模態(tài)深度學(xué)習(xí)的礦山邊坡風(fēng)險預(yù)測方法在說明書摘要公布了：本發(fā)明公開了一種基于多模態(tài)深度學(xué)習(xí)的礦山邊坡風(fēng)險預(yù)測方法，涉及礦山邊坡風(fēng)險預(yù)測技術(shù)領(lǐng)域，本發(fā)明包括Stepl:輸入多模態(tài)數(shù)據(jù)、Step2:效據(jù)預(yù)處理、Step3:樣本集構(gòu)建和Step4:基于互信息機(jī)制的門控循環(huán)單元GRU實(shí)現(xiàn)礦山邊坡穩(wěn)定性預(yù)測，本發(fā)明采用多模態(tài)數(shù)據(jù)集成GRU網(wǎng)絡(luò)對融合后的數(shù)據(jù)進(jìn)行序列建模，提取更復(fù)雜的序列特征，完成邊坡安全事件預(yù)測分析，實(shí)現(xiàn)礦山邊坡的高精度監(jiān)測，提高預(yù)測結(jié)果的準(zhǔn)確性和全面性；本發(fā)明將互信息機(jī)制應(yīng)用于GRU網(wǎng)絡(luò)來最大化樣本與特征間的互信息，提高特征與標(biāo)簽之間的依賴性，不僅保障了預(yù)測能力，還保障了在新數(shù)據(jù)上的泛化能力。

本發(fā)明授權(quán)一種基于多模態(tài)深度學(xué)習(xí)的礦山邊坡風(fēng)險預(yù)測方法在權(quán)利要求書中公布了：1.一種基于多模態(tài)深度學(xué)習(xí)的礦山邊坡風(fēng)險預(yù)測方法，其特征在于，包括：StepS1：輸入多模態(tài)數(shù)據(jù)，包括研究區(qū)域高程數(shù)據(jù)、坡度數(shù)據(jù)、坡向數(shù)據(jù)、GNSS位移數(shù)據(jù)、雷達(dá)數(shù)據(jù)、降雨量數(shù)據(jù)、歷史滑坡數(shù)據(jù)、地質(zhì)巖層數(shù)據(jù)、地質(zhì)災(zāi)害隱患點(diǎn)數(shù)據(jù)；StepS2：數(shù)據(jù)預(yù)處理，對輸入的數(shù)據(jù)進(jìn)行預(yù)處理，包括數(shù)據(jù)清洗、坐標(biāo)轉(zhuǎn)換、格式轉(zhuǎn)換、文本數(shù)據(jù)提取、歸一化；StepS3：樣本集構(gòu)建，結(jié)合歷史滑坡數(shù)據(jù)以及專家知識目視解譯，對預(yù)處理后的雷達(dá)影像，繪制滑坡及其隱患多邊形；StepS4：基于互信息機(jī)制的門控循環(huán)單元GRU實(shí)現(xiàn)礦山邊坡穩(wěn)定性預(yù)測；所述互信息機(jī)制的門控循環(huán)單元GRU，其網(wǎng)絡(luò)結(jié)構(gòu)，包括輸入數(shù)據(jù)層、互信息估計(jì)層、GRU隱含層、互信息估計(jì)層、全連接層、輸出數(shù)據(jù)層五層結(jié)構(gòu)；所述GRU隱含層通過引入門控機(jī)制來控制信息的累積速度，有選擇的保留和遺忘某些信息；所述GRU神經(jīng)元通過重置門和更新門中的函數(shù)控制當(dāng)前時刻中引入前一時刻狀態(tài)信息的程度，其數(shù)值越大表明前一時刻的狀態(tài)信息越重要，其內(nèi)部關(guān)系為： ；式中，為重置門，為更新門，為候選隱藏狀態(tài)，為傳遞到下一時刻的隱藏狀態(tài)，為當(dāng)前時刻輸入信息，為上一時刻的隱藏狀態(tài)，、、為需要學(xué)習(xí)的權(quán)重矩陣參數(shù)；GRU神經(jīng)網(wǎng)絡(luò)通過兩個門結(jié)構(gòu)來選擇歷史數(shù)據(jù)的記憶和遺忘；在隱含層之前添加互信息估計(jì)層，對不同的影響因子進(jìn)行互信息值計(jì)算，提取互信息值較小的影響因子，在隱含層之后添加互信息估計(jì)層，對提取的特征進(jìn)行互信息值計(jì)算，提取關(guān)鍵特征；輸入保留的影響因子序列數(shù)據(jù)、礦山歷史滑坡數(shù)據(jù)，通過GRU隱含層實(shí)現(xiàn)高層次特征學(xué)習(xí)，通過互信息估計(jì)層剔除冗余變量，突出有意義的特征，在全連接層實(shí)現(xiàn)局部特征整合；所述互信息，其具體為：信息源自于信息熵，是兩個隨機(jī)變量間線性與非線性相互依賴程度的一種度量，互信息的實(shí)質(zhì)為由Y的確定導(dǎo)致X不確定性的減少量，即Y中蘊(yùn)含的X的信息量；設(shè)A為包含n個變量的集合，和（i≠j）是A中的任意兩個變量，集合A的相關(guān)性為： ；其中： ；其中：，表示變量和的邊緣概率；表示和聯(lián)合分布的概率；將互信息值較小的變量保留，優(yōu)化公式如下，將互信息值歸一化到0-1之間，進(jìn)行不同變量之間的互信息值比較； 。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人鄂爾多斯市騰遠(yuǎn)煤炭有限責(zé)任公司;武漢大學(xué)，其通訊地址為：017000 內(nèi)蒙古自治區(qū)鄂爾多斯市東勝區(qū)銅川鎮(zhèn)常青村郭家塔社；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。