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！

龙图腾网获悉中国建筑第五工程局有限公司申请的专利一种基于Swin Transformer神经网络的建筑三维表皮采光性能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：CN119830393B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202411804287.3，技术领域涉及：G06F30/13；该发明授权一种基于Swin Transformer神经网络的建筑三维表皮采光性能预测方法是由杨瑛;胡楼君;黄永益;高青;谭亦高;蔡岳峰;彭旭晖;刘柱梁设计研发完成，并于2024-12-10向国家知识产权局提交的专利申请。

本一种基于Swin Transformer神经网络的建筑三维表皮采光性能预测方法在说明书摘要公布了：本发明涉及一种基于SwinTransformer神经网络的建筑三维表皮采光性能预测方法，针对建筑复杂表皮的三维体量，采用体素法对其进行离散化处理，将表皮几何信息转化为多层二维张量。然后将体素法提取的多层二维张量输入SwinTransformer神经网络模型进行处理，得到预测的室内采光图像。SwinTransformer神经网络模型凭借其强大的自注意力机制，能够有效捕捉建筑表皮几何形态与采光性能之间的复杂关系，实现快速、高效的室内采光效果预测，替代传统的物理仿真方法，在保证精度的同时显著提升了计算效率。

本发明授权一种基于Swin Transformer神经网络的建筑三维表皮采光性能预测方法在权利要求书中公布了：1.一种基于SwinTransformer神经网络的建筑三维表皮采光性能预测方法，其特征在于，所述方法包括： S1:构建不同的表皮网格样本与采光图像的映射关系，得到数据集； S101:建立所有位置的厚度、开孔方向、开孔大小可调节的参数化模型，通过随机输入种子参数，生成表皮网格样本； S102:将所述表皮网格样本进行体素化，转化为特征张量T1，T1的形状为206,43,16； S103:建立房间模型Z，将表皮网格样本体素化后获得的所述特征张量T1加入到房间模型中，获取区域气象文件EPW，使用Honeybee模拟生成室内采光图像； S2:建立SwinTransformer神经网络模型； S201:将所述特征张量T1输入F.interpolate进行插值，得到特征张量T2224,224,16； S202:将所述特征张量T2输入ShiftandCombine进行梯度平移及组合，得到特征张量T3224,224,1； S203:将所述特征张量T3输入SwinTransformer，经过四个阶段Stage，实现全局多尺度的特征提取，得到特征张量T47,7,768；具体包括： 步骤1：进行PatchEmbedding操作，将特征张量T3通过卷积层进行分块嵌入，转化为形状为56,56,96的特征图； 步骤2：将所述形状为56,56,96的特征图输入SwinTransformer，经过四个阶段Stage，每个阶段由若干个TransformerBlock组成，负责不同层次的特征提取； 其中，在Stage1：经过2个TransformerBlock，输出的特征张量形状为56,56,96； 在Stage2：经过2个TransformerBlock，输出的特征张量形状为28,28,192； 在Stage3：经过6个TransformerBlock，输出的特征张量形状为14,14,384； 在Stage4：经过2个TransformerBlock，输出的特征张量形状为7,7,768； 步骤3：将所述形状为7,7,768的输出特征张量在TransformerBlock结构中进行第一次归一化、滑窗自注意力、第一次残差连接、第二次归一化、多层感知机、第二次残差连接，得到特征张量T47,7,768； S204:将所述特征张量T4输入全连接层得到特征张量T5； S205:将所述特征张量T5从长度为800的一维张量转为形状为40,20,1的二维采光图像； S3:通过所述数据集，训练所述SwinTransformer神经网络模型； S4:将待测试的表皮网格样本输入训练后的所述SwinTransformer神经网络模型，得到输出的室内采光图像。

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中国建筑第五工程局有限公司，其通讯地址为：410004 湖南省长沙市雨花区中意一路158号中建大厦；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”。

以上内容由龙图腾AI智能生成。