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！

龙图腾网获悉厦门大学申请的专利基于迁移深度学习的高层结构风荷载谱识别方法、装置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：CN120336861B 。

龙图腾网通过国家知识产权局官网在2025-08-19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：202510845161.9，技术领域涉及：G06F18/214；该发明授权基于迁移深度学习的高层结构风荷载谱识别方法、装置是由雷鹰;张富博;王耀;刘丽君设计研发完成，并于2025-06-23向国家知识产权局提交的专利申请。

本基于迁移深度学习的高层结构风荷载谱识别方法、装置在说明书摘要公布了：本公开提供了一种基于迁移深度学习的高层结构风荷载谱识别方法、装置。该方法包括：根据目标结构在目标风荷载作用下的动态响应时程数据进行计算，得到对应的观测响应功率谱矩阵；对目标风荷载的风速谱进行离散余弦变换分解，得到降维后的DCT系数；构建基于物理引导机制的深度学习模型，将观测响应功率谱矩阵作为深度学习模型的输入，DCT系数作为输出，通过训练以使深度学习模型学习二者之间的映射关系；采用训练完成的深度学习模型基于输入的观测响应功率谱矩阵，输出对应的DCT系数，并根据DCT系数重构风荷载的功率谱矩阵。本公开实施例的技术方案可以有效建立响应功率谱与荷载功率谱之间的关联关系，保证风荷载识别的准确性。

本发明授权基于迁移深度学习的高层结构风荷载谱识别方法、装置在权利要求书中公布了：1.一种基于迁移深度学习的高层结构风荷载谱识别方法，其特征在于，包括： 根据目标结构在目标风荷载作用下的动态响应时程数据进行计算，得到对应的观测响应功率谱矩阵； 对所述目标风荷载的风速谱进行离散余弦变换分解，得到降维后的DCT系数； 构建基于物理引导机制的用于风荷载识别的深度学习模型，将所述观测响应功率谱矩阵作为所述深度学习模型的输入，所述DCT系数作为输出，通过训练以使所述深度学习模型学习二者之间的映射关系，其中，所述物理引导机制通过嵌入风荷载与结构响应的频域传递方程至损失函数中，以约束模型训练过程； 在进行风荷载识别时，采用训练完成的所述深度学习模型基于输入的观测响应功率谱矩阵，输出对应的DCT系数，并根据所述DCT系数重构风荷载的功率谱矩阵； 在对所述深度学习模型训练完成后，所述方法还包括： 基于迁移学习策略，针对不同频率离散点的风荷载，利用基于源频率的风荷载训练后的模型参数初始化目标频率的模型，并通过目标频率数据微调模型参数，以得到目标频率的风荷载对应的深度学习模型。

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厦门大学，其通讯地址为：361005 福建省厦门市思明区思明南路422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”。