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！

龙图腾网获悉河海大学申请的专利基于深度学习的高坝大库区预警滑坡因素阈值确定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：CN120524098B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202511014442.6，技术领域涉及：G06F18/10；该发明授权基于深度学习的高坝大库区预警滑坡因素阈值确定方法是由吴爽爽;孙少锐;周盛涛;张丽;周渤彧设计研发完成，并于2025-07-23向国家知识产权局提交的专利申请。

本基于深度学习的高坝大库区预警滑坡因素阈值确定方法在说明书摘要公布了：本发明公开了基于深度学习的高坝大库区预警滑坡因素阈值确定方法，包括：得到结构统一的多源滑坡监测数据集；形成因子‑频段分离数据张量；将因子‑频段分离数据张量输入FEDformer频域解耦模块，共同构成多尺度预测分量；将多尺度预测分量与因子‑频段分离数据张量共同输入残差门控融合层，输出残差门控融合特征张量；在动态阈值生成模块中基于残差门控融合特征张量提取监测因子权重分布，形成动态滑坡预警阈值；依据预设风险预警等级划分风险预警等级。本发明使动态上阈值和动态下阈值能够针对滑坡风险变化自动收缩或扩展，有效避免了极端工况下静态阈值迟滞和误判问题。

本发明授权基于深度学习的高坝大库区预警滑坡因素阈值确定方法在权利要求书中公布了：1.基于深度学习的高坝大库区预警滑坡因素阈值确定方法，其特征在于，包括： 采集高坝大库滑坡监测区域的多源滑坡监测原始数据，并进行预处理操作，得到结构统一的多源滑坡监测数据集； 将多源滑坡监测数据集输入因子频谱分析层，对各监测因子分别进行快速傅里叶变换并按预设频率带通规则划分趋势频段数据、低频周期频段数据及高频突变频段数据，形成因子‑频段分离数据张量； 将因子‑频段分离数据张量输入FEDformer频域解耦模块，对长序列进行解耦并输出趋势分量预测序列、周期分量预测序列和扰动分量预测序列，并共同构成多尺度预测分量； 将多尺度预测分量与因子‑频段分离数据张量共同输入残差门控融合层，生成因子‑频段权重矩阵，并基于残差连接结构融合输入张量与门控加权张量，输出残差门控融合特征张量； 在动态阈值生成模块中基于残差门控融合特征张量提取监测因子权重分布，并与已存储的历史近失稳滑坡监测样本进行相似度匹配，形成动态滑坡预警阈值； 将实时更新的多源滑坡监测数据与动态滑坡预警阈值进行比较判断，依据预设风险预警等级划分风险预警等级； 所述动态滑坡预警阈值的生成，具体包括： 基于残差门控融合特征张量提取滑坡监测因子在各频率区间的时变重要性分布，定义监测因子权重分布张量； 将监测因子权重分布张量在最近一个时间点的所有监测因子和所有频率区间的元素按顺序排列成当前滑坡诱发状态向量，将历史近失稳滑坡监测样本中已存储的每一个监测因子权重分布张量在相应时间点下的所有监测因子和所有频率区间的元素按顺序排列成对应的历史近失稳滑坡监测样本状态向量； 分别计算当前滑坡诱发状态向量与每一个历史近失稳滑坡监测样本状态向量之间的余弦相似度； 选取所有余弦相似度中的最大值，将最大值与预设的滑坡状态触发阈值进行比较： 如果最大余弦相似度大于预设滑坡状态触发阈值，则触发偏差调节机制对动态上阈值与动态下阈值的间隔区间进行收缩； 如果最大余弦相似度不大于预设滑坡状态触发阈值，则不触发偏差调节机制，继续采用常规滚动统计策略计算动态阈值； 在滚动统计策略中设定一个固定长度的滑动时间窗口，分别计算滑动时间窗口内每一个监测因子在每一个频率区间上的残差门控融合特征张量的平均值，得到预测均值张量，同时计算预测标准差张量； 当最大余弦相似度大于预设滑坡状态触发阈值时，采用第一组上下阈值调节系数确定1‑D动态上阈值和1‑D动态下阈值，使1‑D动态上阈值与1‑D动态下阈值区间收缩； 当最大余弦相似度不大于预设滑坡状态触发阈值时，采用第二组上下阈值调节系数确定2‑D动态上阈值和2‑D动态下阈值，使2‑D动态上阈值与2‑D动态下阈值区间扩展； 将所有监测因子在所有频率区间上的动态上阈值和动态下阈值进行统一组合，形成动态滑坡预警阈值。

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河海大学，其通讯地址为：211100 江苏省南京市江宁区佛城西路8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。