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！

龙图腾网获悉兰州大学申请的专利一种基于transformer与深度学习的地质灾害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：CN119692546B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202411768602.1，技术领域涉及：G06Q10/04；该发明授权一种基于transformer与深度学习的地质灾害预测方法是由刘平;朱刚设计研发完成，并于2024-12-04向国家知识产权局提交的专利申请。

本一种基于transformer与深度学习的地质灾害预测方法在说明书摘要公布了：本发明涉及地质工程技术领域，具体涉及一种基于transformer与深度学习的地质灾害预测方法，包括进行地质信息的采集与处理，对地质信息数据集中的异常值进行删除；信号处理，具体为确定嵌入维度和延迟时间，使用动力系统重建法处理历史地质灾害数据，重建权重矩阵，将一维时间序列转化为高维相空间中的轨迹，从而得到地质灾害的周期性变化。该方法通过应用Adam优化器能够有效地优化模型中的权重参数和偏置参数，从而达到最小化损失的目的，同时通过对模型进行训练，可以获得一个有效的模型，并利用这些模型来评估它们的能力，以便与其他模型进行比较，采用此方法能够克服理论模型采用多种假设、普适性较差及高级模型参数标定困难的缺陷。

本发明授权一种基于transformer与深度学习的地质灾害预测方法在权利要求书中公布了：1.一种基于transformer与深度学习的地质灾害预测方法，其特征在于，包括如下步骤： 步骤一：进行地质信息的采集与处理，对地质信息数据集中的异常值进行删除；信号处理，具体为确定嵌入维度和延迟时间，使用动力系统重建法处理历史地质灾害数据，重建权重矩阵，将一维时间序列转化为高维相空间中的轨迹，从而得到地质灾害的周期性变化； 步骤二：特征处理与提取 使用一维卷积神经网络CNN对功率序列进行卷积，依靠卷积中的卷积核进行功率特征的提取； 本步骤中，一维卷积神经网络的公式为：V＝gW*U+b，其中：g代表的是激活函数，引入激活函数可以增强模型的非线性表达能力，使得模型具有更强大的表达性；*代表的是卷积；W代表的是卷积核中的权重矩阵；b代表的是卷积核中的权重矩阵的偏置项； 步骤三、基于LSTM与transformer的地质灾害预测 将LSTM与transformer融合在一起，建立transformerBCL模型； 首先是输入层，进行一个数据上的输入，然后是两个一维卷积层，均由16个大小为4的卷积核组成，步长为1，使用线性激活函数，经过两个卷积层对数据进行特征提取后，再经过两个双向LSTM层，也是Bi-LSTM模型的核心，最后是两个全连接层，第一个全连接层将上层的所有特征综合起来，最终经过N＝1的全连接层将分解结果输出； 步骤四、模型训练，其训练步骤包括： a、参数的初始化：权重、学习率这些参数都需要被设定，才能够被正确地应用到模型中； b、确立损失函数以及设定停止条件：损失函数是一种重要的学习准则，它可以用来衡量一个网络的性能，常与优化量有关系，使用均方差损失函数来计算它们之间的均方差，其计算公式见下式： 其中，N为输入序列的长度，为模型的预测值，yi为真实值； c、通过应用Adam优化器，可以有效地优化模型中的权重参数和偏置参数； d、通过对参数和函数的精心调整，可以实现一个有效的网络训练过程，即根据预先设定的训练次数，不断地调整模型的参数，直至达到某一特定的阈值，这样，即使没有达到预期的训练次数，模型也能够在满足该阈值时停止运行，在3次epoch之后，如果损失函数仍未显著改善，则该深度学习模型将被终止。

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兰州大学，其通讯地址为：730000 甘肃省兰州市城关区天水南路222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”。

以上内容由龙图腾AI智能生成。