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！

龙图腾网获悉中铁西北科学研究院有限公司;中铁九局集团有限公司;中铁科学研究院集团有限公司申请的专利一种基于LSTM-GCN-Attention的边坡变形时空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：CN119885350B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202411899884.9，技术领域涉及：G06F30/13；该发明授权一种基于LSTM-GCN-Attention的边坡变形时空预测方法是由关伟;吴红刚;李旭军;杨之光;杨光明;李永强;赖国泉;刘宝作;马栓宝;张书康;孙兴波;郑智;韩冬;于源龙;徐晓彤;王宁;王智;陶良坤;杨丰;卢李龙澳;张瑞琦;刘旭设计研发完成，并于2024-12-23向国家知识产权局提交的专利申请。

本一种基于LSTM-GCN-Attention的边坡变形时空预测方法在说明书摘要公布了：本发明公开了一种基于LSTM‑GCN‑Attention的边坡变形时空预测方法，属于边坡预测技术领域，该方法从全站仪布控三角观测网监测边坡变形数据入手，采用自适应滑动窗口的双向平均插值法对监测数据进行扩充，结合长短期记忆神经网络LSTM和图卷积神经网络GCN的在捕捉时间序列及空间结构特征方面的优势，并引入注意力机制增强模型对重要时空特征的关注能力，动态调整节点及特征权重，使预测结果更具解释性和鲁棒性。为类似边坡变形时空同步预测提供了精细化分析途径。

本发明授权一种基于LSTM-GCN-Attention的边坡变形时空预测方法在权利要求书中公布了：1.一种基于LSTM-GCN-Attention的边坡变形时空预测方法，其特征在于，包括以下步骤： 步骤1选取目标边坡工点，设计全站仪三角观测网布设方案，并按照设计方案持续监测边坡水平位移及垂直沉降，收集并整理观测数据； 步骤2采用自适应滑动窗口的双向平均插值法对观测数据进行插值，生成平滑、连续的数据信号； 步骤3数据归一化处理：利用极差变换法对步骤2插补后的数据进行归一化处理； 步骤4构建时空数据矩阵：利用Python开源数值计算库Numpy，以时间、空间、节点特征三个维度构建时空序列数据矩阵D[T,V,F]，T为时间维数，V为空间维数，F为特征维数； 步骤5构建空间邻接矩阵：以两点高度差与倾向距离之比作为空间关联权重系数构建空间邻接矩阵Aadj[V,V]： 其中，wij表示空间关联权重系数，Hi，Ni分别表示i节点的高度及倾向坐标，Hj，Nj分别表示j节点的高度及倾向坐标； 步骤6划分训练集与测试集：将样本数据按比例划分为训练集与测试集，并通过多次预训练调整比例； 步骤7LSTM网络建模：利用长短时记忆网络LSTM建模边坡变形的时间动态特性； 步骤8GCN网络建模：利用图卷积网络GCN捕获监测点间的空间依赖关系； 步骤9注意力机制优化与模型融合：引入注意力机制动态调整空间节点和时间序列特征的权重，提升对重要特征的关注能力；将LSTM的时间特征和GCN的空间特征进行融合，通过Attention机制加权，生成最终的时空特征表示；然后利用全连接层输出变形预测值： 其中，FC为全连接层，为预测结果； 步骤10模型训练与评估：基于Python语言搭建深度学习Pytoch框架，建立适合本模型的GPU加速的深度学习环境并开展模型训练；损失函数为均方误差MSE，使用自适应优化器Adam加速收敛；利用测试集进行模型评估，评估指标包括平均误差MAE、均方误差MSE以及决定系数R2； 其中，预测值：真实值：y＝{y1,y1,…,yn}。

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铁西北科学研究院有限公司;中铁九局集团有限公司;中铁科学研究院集团有限公司，其通讯地址为：730000 甘肃省兰州市城关区民主东路365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。