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！

龙图腾网获悉成都理工大学申请的专利基于整治工程进度的滑坡灾害风险动态评估方法及系统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：CN120338512B 。

龙图腾网通过国家知识产权局官网在2025-08-15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：202510787357.7，技术领域涉及：G06Q10/0635；该发明授权基于整治工程进度的滑坡灾害风险动态评估方法及系统是由李明洋;敖仪斌;彭攀宇;赵建军设计研发完成，并于2025-06-13向国家知识产权局提交的专利申请。

本基于整治工程进度的滑坡灾害风险动态评估方法及系统在说明书摘要公布了：本发明公开了一种基于整治工程进度的滑坡灾害风险动态评估方法及系统，其涉及自然灾害处理技术领域。本发明通过整合多源异构数据、实时动态评估以及机器学习模型，实现了对滑坡灾害风险的精准、动态评估，提升了评估精度和稳定性，还增强了决策的时效性和针对性；在SPY算法中引入特征扰动稳定性机制，构建一种更具鲁棒性和辨别力的伪负样本筛选策略；引入信息熵减少量，对采集函数进行改进，提升超参数优化的效率，对堆叠泛化集成模型进行有效训练；考虑滑坡灾害区域中的整治情况进度的影响，设置易发性修正系数，对滑坡灾害易发性评价结果进行修正，确保滑坡灾害易发性评价结果能及时反映实际情况，为滑坡灾害的防治和管理提供了有力的技术支持。

本发明授权基于整治工程进度的滑坡灾害风险动态评估方法及系统在权利要求书中公布了：1.一种基于整治工程进度的滑坡灾害风险动态评估方法，其特征在于，包括： 构建待测区域的斜坡单元集及滑坡灾害全域易发性评价数据集，划分滑坡灾害隐患点正样本集； 利用SPY-FPS伪负样本筛选法生成识别伪负样本训练集，并训练分类器，得到识别伪负样本生成器； 将滑坡灾害全域易发性评价数据集输入至识别伪负样本生成器，得到识别伪负样本集； 将识别伪负样本集和滑坡灾害隐患点正样本集合并后输入至堆叠泛化集成模型，得到滑坡灾害易发性评价结果； 实时获取滑坡灾害整治进度数据，构建易发性修正系数并修正滑坡灾害易发性评价结果； 基于修正后的滑坡灾害易发性评价结果，对待测区域进行风险划分； 所述分类器的训练过程包括： 获取滑坡灾害全域易发性评价训练数据集，即获取正样本训练集和未标注样本训练集； 随机抽取正样本训练集中的若干个正样本，并作为嵌入式参考正样本训练集；将正样本训练集中的未被抽取的正样本作为新正样本训练集； 合并嵌入式参考正样本训练集和未标注样本训练集，得到识别伪负样本训练集； 分别将识别伪负样本训练集和新正样本训练集输入至分类器进行训练，得到初始训练好的分类器； 通过初始训练好的分类器获取嵌入式参考正样本训练集的分类概率，设置置信阈值； 基于置信阈值、未标注样本训练集，利用特征扰动稳定性机制生成可靠负样本训练集，并输入至初始训练好的分类器进行二次训练，得到训练好的分类器，即识别伪负样本生成器； 所述堆叠泛化集成模型包括串联的基模型和元模型；所述基模型包括并行处理的决策树、随机森林、支持向量机、梯度提升树；所述元模型为元学习器；采用基于信息熵引导的贝叶斯超参数优化方法对堆叠泛化集成模型进行训练； 基于信息熵引导的贝叶斯超参数优化方法包括： 获取识别伪负样本训练集和滑坡灾害隐患点正样本训练集并输入至堆叠泛化集成模型； 定义堆叠泛化集成模型的超参数组合，构建对应的超参数空间；设置目标函数； 构建可学习代理模型，设置信息熵采集函数；通过可学习代理模型和信息熵采集函数确定最优超参数组合； 将最优超参数组合应用至堆叠泛化集成模型，完成对堆叠泛化集成模型的训练。

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成都理工大学，其通讯地址为：610059 四川省成都市成华区二仙桥东三路1号；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”。