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！

龙图腾网获悉射月未来信息技术(杭州)有限公司申请的专利基于Transformer架构及去噪扩散概率模型的城市活动预测方法及系统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：CN120471108B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202510971883.9，技术领域涉及：G06Q50/26；该发明授权基于Transformer架构及去噪扩散概率模型的城市活动预测方法及系统是由程明骏;郭虎全;吴彦希设计研发完成，并于2025-07-15向国家知识产权局提交的专利申请。

本基于Transformer架构及去噪扩散概率模型的城市活动预测方法及系统在说明书摘要公布了：本发明公开了一种基于Transformer架构及去噪扩散概率模型的城市活动预测方法及系统，可采用训练好基于Transformer架构及去噪扩散概率的模型对任意的建筑在已知任意长度历史时间的城市活动情况下进行任意长度未来时间上城市活动的预测，所述模型的构建具体包括：对时空数据按建筑及其内部的房间单元进行细粒度划分，并执行Z‑Score标准化，输入时空因果卷积模块并调整数据结构以适配Transformer结构，进行掩码处理后采用噪声扩散概率模型框架强化时序预测的能力得到。本发明能够在较短输入时间的情况下实现高预测精度，能够在大尺度与小细粒度上实现了对城市活动进行高精度预测，首次使用人工智能实现了任意时间步长下的城市活动任意多步预测，填补了人工智能在城市活动预测上的空白。

本发明授权基于Transformer架构及去噪扩散概率模型的城市活动预测方法及系统在权利要求书中公布了：1.基于Transformer架构及去噪扩散概率模型的城市活动预测方法，其特征在于，采用训练好基于Transformer架构及去噪扩散概率的模型对任意的建筑在已知任意长度历史时间的城市活动情况下进行任意长度未来时间上城市活动的预测，所述模型的构建方法包括如下：S1对获取到的时空数据按建筑及其内部的房间单元进行细粒度划分，对于共计栋建筑，获取其时间序列数据，划分为个时间步以及垂直方向上的层和水平方向上的个房间单元，各处的人员数据表示为：； S2对细粒度划分后的数据执行Z‑Score标准化，得到的数据表示为； S3将Z‑Score标准化后的数据输入时空因果卷积模块以确保时间上的因果性，时空因果卷积模块的输出为； S4将中的的二维特征展开为长度为的一维向量以适配Transformer结构； 展开后的结果为； S5对数据进行掩码处理以提升模型在小样本和数据不完备场景下的鲁棒性，经掩码后的输出为； S6采用噪声扩散概率模型框架强化时序预测的能力，进行模型训练与预测，具体包括： S6.1将进行掩码的数据按栋拆分，对于每栋建筑有其中；对于每栋建筑每个时间步长有，其中；S6.2对每栋建筑，从序列中选取一段时间子序列，且1 ，有，，至时间范围内为历史以往的时间，至时间范围内为未来的时间；S6.3扩散过程定义为从纯净数据逐步添加高斯噪声得到：；具体而言，每一步的转移概率均遵循高斯分布，即：；其中，是控制噪声添加程度的参数；通过累积这些参数，得到与初始数据之间的直接关系，由此可在给定噪声和随机采样时间t的条件下，得到基于表达式，从而将作为输入于噪声扩散概率模型；在正向传播步后得到；S6.4获取从带有噪声的数据中恢复出原始信号的逆扩散过程的转移概率，其遵循高斯分布，由此将未来时间的，，作为输入于噪声扩散概率模型；在反向传播步后得到； S6.5将进行位置编码：将进行掩码的数据按栋拆分，对于每栋建筑有，其中；对于每栋建筑每个时间步长有，其中；对于采用正余弦函数进行位置编码； S6.6使用Transformer模型学习得到逆扩散过程的转移概率中的参数，将位置编码与输入Transformer模型以获取； S6.7在模型输出端增加一多层感知器作为解码器，将映射回，使预测结果对人类和实际应用可理解； S6.8比较正向传播过程中的噪声与反向传播过程中的噪声，训练目标是最小化模型预测的噪声与真实噪声之间的差异。

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射月未来信息技术(杭州)有限公司，其通讯地址为：310000 浙江省杭州市西湖区龙致商业中心1号楼416室；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。