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！

龙图腾网获悉杭州电子科技大学申请的专利一种边坡稳定性估计的信息融合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：CN115221966B 。

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：202210872743.2，技术领域涉及：G06F18/25；该发明授权一种边坡稳定性估计的信息融合方法是由徐晓滨;谢哲珉;侯平智;黄曼;陶志刚;马成荣;李长宏;黄永亮设计研发完成，并于2022-07-21向国家知识产权局提交的专利申请。

本一种边坡稳定性估计的信息融合方法在说明书摘要公布了：本发明公开了一种边坡稳定性估计的信息融合方法。本发明基于液位仪和裂缝计监测得到地下水位和地表裂缝宽度的变化情况，将其组合成特征变量，利用聚类算法求取特征变量的参考值集合，并构造相应的边坡稳定性等级参考信度分布，当在线获取监测样本后按照激活程度将参考信度向量进行融合，得到融合后的稳定性信度分布，最终根据信度最大化原则确定边坡的稳定性。本发明将影响边坡稳定性的影响因素构造成多维特征变量，该特征变量将匹配所有参考值集合得到参考信度分布，将参考信度分布进行修正和递归融合处理，进而实现边坡稳定性估计，该方法改善了传统评估报警方法依靠单一监测数据，只能匹配局部参考值，无法完整反映出边坡运动状态的局限性。

本发明授权一种边坡稳定性估计的信息融合方法在权利要求书中公布了：1.一种边坡稳定性估计的信息融合方法，其特征在于，包括以下各步骤： S1：在边坡上安装液位仪和裂缝计，分别用于监测滑坡体地下水位x1和地表裂缝宽度x2的变化情况； S2：将S1中的x1和x2组合成一个二维特征变量[x1,x2]，在获取[x1,x2]的历史监测样本后，通过k-means聚类算法求取[x1,x2]的参考值集合，并构造相应的边坡稳定性等级参考信度分布； S3：当在线获取监测样本[x1t,x2t]之后，将其带入S2中构建的边坡稳定性等级参考信度分布，激活参考信度向量，按照激活程度将参考信度向量融合，得到融合后的稳定性信度分布； S4：根据信度最大化原则，由S3中获得的稳定性信度分布确定边坡的稳定性； 其中所述步骤S2设计的k-means聚类算法求取二维特征变量[x1,x2]的参考值集合，并构造相应的边坡稳定性等级参考信度分布，具体如下： S2-1：将S1中的x1和x2组合成一个二维特征变量X＝[x1,x2]，将获得的历史监测样本集合记为S＝{[x1k,x2k,yk]|k＝1,2,....,K}，其中y是对应于特征变量[x1,x2]的边坡稳定性等级，y的参考值集合Y＝{yn|n＝1,2,3}，其中y1表示“稳定”，y2表示“中度不稳定”，y3表示“很不稳定”； 将S中的[x1k,x2k]抽取出，构成历史特征样本集合Sx＝{[x1k,x2k]|k＝1,2,....,K}；对历史特征样本集合Sx中的样本进行K-means均值聚类，得到聚类中心集合这里为样本的聚类中心个数；设那么组成历史特征样本集合Sx的参考值集合为A＝{[A1,1,A2,1],[A1,2,A2,2],...,[A1,J,A2,J]}， S2-2：利用公式1计算特征变量[x1k,x2k]与参考向量[A1,j,A2,j]的欧氏距离djk，利用公式2对所有djk进行归一化后得到特征变量[x1k,x2k]与参考向量[A1,j,A2,j]的匹配度ajk 由此，特征变量[x1k,x2k]和稳定性等级yk之间的关系被等价地转换为[x1,x2]的参考值集合A＝{[A1,j,A2,j]|j＝1,...J}与y的参考值集合Y＝{yn|n＝1,2,3}之间的对应关系；对于特征变量[x1k,x2k]，它将会匹配参考值集合A中每一组参考值，其关于参考值集合A的相似度分布为： C[x1k,x2k]＝{[A1,j,A2,j],αjk|j＝1,…,J}3 S2-3：根据步骤S2-1、S2-2获得的参考值集合A和相似度分布C，构造边坡稳定性等级的参考信度分布为： ej＝{yn,βn,j|j＝1,...J；n＝1,2,3}4 式中βn,j表示当特征变量取参考值[A1,j,A2,j]时，稳定性等级为yn的信度，其中 其中αn,j表示[x1k,x2k,yk]匹配[A1,j,A2,j]且yk＝yn的所有相似度αjk之和。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街；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”。