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！

龙图腾网获悉浙江大学申请的专利一种基于静态和动态数据的滑坡敏感性评估方法及装置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：CN120317662B 。

龙图腾网通过国家知识产权局官网在2025-10-14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：202510367145.3，技术领域涉及：G06Q10/0635；该发明授权一种基于静态和动态数据的滑坡敏感性评估方法及装置是由付浩然;占文浩;张浩宇;屠侠;边学成设计研发完成，并于2025-03-26向国家知识产权局提交的专利申请。

本一种基于静态和动态数据的滑坡敏感性评估方法及装置在说明书摘要公布了：本发明公开了一种基于静态和动态数据的滑坡敏感性评估方法及装置，滑坡敏感性评估方法为：首先获取预处理后的目标区域的当前静态数据并输入至训练好的评分模型中，得到目标区域的静态滑坡敏感性评分并以此划分目标区域的敏感性区域；获取预处理后的目标区域中高风险地区的当前动态数据并输入至训练好的时序预测模型中，得到目标区域中高风险地区的风险指数；最后基于目标区域的敏感性分区以及中高风险地区的风险指数，综合评估目标区域的滑坡敏感性。本发明通过对目标区域的静态数据进行静态滑坡敏感性评分，并结合对目标区域中高风险地区的动态数据的趋势分析，能够全面捕捉目标区域的滑坡在多重影响条件下的潜在滑动风险，提升了评估的准确性。

本发明授权一种基于静态和动态数据的滑坡敏感性评估方法及装置在权利要求书中公布了：1.一种基于静态和动态数据的滑坡敏感性评估方法，其特征在于：具体包括有以下步骤： 1、获取预处理后的目标区域的当前静态数据； 2、将预处理后的目标区域的当前静态数据输入至训练好的评分模型中，得到目标区域的静态滑坡敏感性评分，具体包括有以下步骤： S21、构建评分模型，评分模型包括有并行的随机森林和梯度提升决策树；通过随机森林计算所述当前静态数据的第一静态滑坡敏感性评分；通过梯度提升决策树计算所述当前静态数据的第二静态滑坡敏感性评分； 第一静态滑坡敏感性评分的计算公式见下式1： 式1中，PXi为目标区域内栅格Xi的第一静态滑坡敏感性评分，T1为随机森林中的决策树数量；是栅格Xi所落入的叶子节点中的正类样本数、即滑坡样本数；是栅格Xi所落入的叶子节点中的总样本数，每棵决策树都有对应的和所述的栅格Xi为目标区域进行100m×100m栅格划分后的任一栅格区域； 第二静态滑坡敏感性评分的计算公式见下式2： 式2中，S2代表栅格Xi的第二静态滑坡敏感性评分；T2为梯度提升决策树中树的数量；代表第t棵树给出的对栅格Xi的预测值； S22、通过随机森林确定随机森林的AUC值，通过梯度提升决策树确定梯度提升决策树的AUC值； S23、基于随机森林的AUC值和梯度提升决策树的AUC值分别确定随机森林的模型权重和梯度提升决策树的模型权重，具体见下式3和式4： γGBDT＝1-γRF4； 式3和式4中，AUCRF代表随机森林的AUC值，AUCGBDT代表梯度提升决策树的AUC值，γRF代表随机森林的模型权重，γGBDT代表梯度提升决策树的模型权重； S24、根据下式5计算目标区域的静态滑坡敏感性评分Sstatic； Sstatic＝γRFSRF+γGBDTSGBDT5； 式5中，SRF代表第一静态滑坡敏感性评分，SGBDT代表第二静态滑坡敏感性评分，γRF代表随机森林的模型权重，γGBDT代表梯度提升决策树的模型权重； 3、基于目标区域的静态滑坡敏感性评分划分目标区域的敏感性区域； 4、获取预处理后的目标区域中高风险地区的当前动态数据，将当前动态数据输入至训练好的时序预测模型中，得到目标区域中高风险地区的风险指数； 5、基于目标区域的敏感性分区以及中高风险地区的风险指数，综合评估目标区域的滑坡敏感性。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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。