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！

龙图腾网获悉贵州桥梁建设集团有限责任公司;同济大学申请的专利基于LSTM深度嵌入式聚类模型的桥梁风场变化模式预测方法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：CN119989932B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：202510452130.7，技术领域涉及：G06F30/27；该发明授权基于LSTM深度嵌入式聚类模型的桥梁风场变化模式预测方法是由吴朝明;马如进;张君瑞;欧阳松;陈南西;于时尧;刘豪;陈艾荣;胡晓红设计研发完成，并于2025-04-11向国家知识产权局提交的专利申请。

本基于LSTM深度嵌入式聚类模型的桥梁风场变化模式预测方法在说明书摘要公布了：本发明公开了基于LSTM深度嵌入式聚类模型的桥梁风场变化模式预测方法，属于桥梁风场预测技术领域；本发明通过获取山区峡谷桥址处的风速及风向信息，进行预处理并生成风速序列数据集；构建融合LSTM深度嵌入式聚类模型，将所述风速序列数据集输入至所述LSTM深度嵌入式聚类模型进行训练，直至损失函数稳定；再利用训练好的LSTM深度嵌入式聚类模型，通过解码器重构聚类中心，形成风速日变化模式库并通过软分配划分风速序列；最后将待预测风速数据与风速日变化模式库进行匹配，以最相似风速日变化模式作为预测结果。本方案能够很好地提取时间序列的特征，并在深度嵌入式聚类层内创新性地提出采用softmax函数计算软分配，实现神经网络的端到端高效训练。

本发明授权基于LSTM深度嵌入式聚类模型的桥梁风场变化模式预测方法在权利要求书中公布了：1.基于LSTM深度嵌入式聚类模型的桥梁风场变化模式预测方法，其特征在于，包括以下步骤： S1、数据准备：获取山区峡谷桥址处的风速及风向信息，进行预处理并生成风速序列数据集； S2、模型构建：构建融合LSTM深度嵌入式聚类模型，该模型包括LSTM自编码器层和深度嵌入式聚类层； S21、构建LSTM自编码器层，包括LSTM层组成的编码器和LSTM层与全连接层组成的解码器； S22、构建深度嵌入式聚类层，将潜在变量分类，采用k-means初始化聚类中心，通过softmax函数计算软分配并构建辅助分配，使用两者构成的KL散度作为聚类损失； S23、将重构损失与聚类损失融合为LSTM深度嵌入式聚类模型损失函数； S24、设置学习率、初始化聚类损失权重和聚类损失权重增长率； 所述LSTM深度嵌入式聚类模型损失函数具体表示为： ； 式中，表示聚类损失的权重；；为初始化聚类损失的权重，t为迭代轮次，为聚类损失的权重增长率；为重构损失函数；为聚类损失； S3、模型训练：将所述风速序列数据集输入至所述LSTM深度嵌入式聚类模型进行训练，直至损失函数稳定； S4、日变化模式库构建：利用训练好的LSTM深度嵌入式聚类模型，通过解码器重构聚类中心，形成风速日变化模式库并通过软分配划分风速序列； S5、日变化模式预测：将待预测风速数据与风速日变化模式库进行匹配，以最相似风速日变化模式作为预测结果。

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贵州桥梁建设集团有限责任公司;同济大学，其通讯地址为：550001 贵州省贵阳市云岩区延安中路1号26楼；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”。