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！

龙图腾网获悉山东省路桥集团有限公司申请的专利一种基于人工智能的路基沉降数据识别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：CN120145201B 。

龙图腾网通过国家知识产权局官网在2025-08-26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：202510622267.2，技术领域涉及：G06F18/2415；该发明授权一种基于人工智能的路基沉降数据识别方法是由崔亚军;孙小龙;李会彬;王伟;安勇;王勇楠;张文虎;刘威;张建政设计研发完成，并于2025-05-15向国家知识产权局提交的专利申请。

本一种基于人工智能的路基沉降数据识别方法在说明书摘要公布了：本发明涉及人工智能与数据处理技术领域，具体涉及一种基于人工智能的路基沉降数据识别方法，具体如下：收集多个路基沉降传感器的时序监测数据并进行人工标注；对收集的时序监测数据进行自适应时域分段归一化，设计条件扩散过程，在潜空间生成符合土体力学约束的增强数据；构建基于一维卷积神经网络的路基沉降数据分类模型，将增强后的数据输入至模型中进行训练，得到训练好的路基沉降数据分类模型；将路基沉降传感器收集的新的时序监测数据经过预处理后输入至路基沉降数据分类模型中，得到沉降类别分类结果。本发明通过构建基于一维卷积神经网络的路基沉降数据分类模型并进行训练，可以增强模型的判别能力，提高模型识别的准确性和可靠性。

本发明授权一种基于人工智能的路基沉降数据识别方法在权利要求书中公布了：1.一种基于人工智能的路基沉降数据识别方法，其特征是，包括以下步骤： S1、数据准备：收集多个路基沉降传感器的时序监测数据，并对时序监测数据进行人工标注； S2、数据预处理： S2.1、数据归一化：对收集的时序监测数据进行自适应时域分段归一化，得到归一化后的检测值； S2.2、数据增强：设计条件扩散过程，在潜空间生成符合土体力学约束的增强数据； S3、构建基于一维卷积神经网络的路基沉降数据分类模型，一维卷积神经网络的结构包括卷积层0、卷积层1、池化层1、卷积层2、池化层2、全连接层、Dropout随机丢弃操作和Softmax归一化指数函数，将预处理后的数据输入至模型中进行训练，得到训练好的路基沉降数据分类模型； 模型训练过程中具体包括多尺度自适应扩张卷积操作、注意力引导的门控混合池化操作、动态类别权重分配、渐进式特征蒸馏训练策略、不确定性感知的Dropout随机丢弃神经元操作和时域注意力的Softmax归一化指数函数优化； 注意力引导的门控混合池化操作具体如下： 在池化层1和池化层2采用门控混合池化操作，门控混合池化通过注意力机制动态融合最大池化与平均池化的优势，进而保留突变特征并平滑噪声； 其中，池化层1对卷积层1的输出特征进行处理，池化层2对卷积层2的输出特征进行处理，若卷积层1或卷积层2的输出特征的时序序列缩短，则对应池化层按照卷积层1或卷积层2的输出特征的新的时序时刻索引进行处理； 渐进式特征蒸馏训练策略具体如下： 渐进式特征蒸馏训练策略分为三个阶段渐进训练： 阶段1：冻结卷积层2及后续层，仅训练卷积层0、卷积层1、前向扩散过程和反向去噪过程； 阶段2：解冻全连接层，进行特征蒸馏，特征蒸馏的损失函数如下： ， 其中，表示辅助蒸馏损失，表示参与蒸馏的中间层数量，表示教师模型第层的特征表示，教师模型是指阶段1训练好的冻结模型，表示学生模型第层的特征表示，学生模型是指阶段2解冻的全连接层模型； 阶段3：进行整体微调，将学习率按指数衰减的方式进行设置，缓解梯度消失问题，确保深层特征的有效传递，学习率的计算公式如下： ， 其中，表示第次迭代的学习率，表示当前迭代次数，表示整数； S4、将路基沉降传感器收集的新的时序监测数据经过预处理后输入至训练好的路基沉降数据分类模型中，得到沉降类别分类结果。

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山东省路桥集团有限公司，其通讯地址为：250014 山东省济南市历下区经十路14677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”。