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！

龙图腾网获悉中交二公局东萌工程有限公司申请的专利基于深度学习的雪崩预警模型构建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：CN120508792B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202510990475.8，技术领域涉及：G06F18/211；该发明授权基于深度学习的雪崩预警模型构建方法及系统是由罗德强;李均;代伟;杨涵;杨三春;魏明东设计研发完成，并于2025-07-18向国家知识产权局提交的专利申请。

本基于深度学习的雪崩预警模型构建方法及系统在说明书摘要公布了：本发明提供一种基于深度学习的雪崩预警模型构建方法及系统，首先获取目标区域包含气象时序、地形空间及积雪层物理数据的多源环境监测数据，对气象时序数据时间维度对齐生成特征序列，地形空间数据网格化生成特征集，积雪层物理数据提取参数生成状态向量，接着输入含时序注意力、空间卷积及跨模态交互单元的深度学习网络模型，生成融合特征向量，基于历史雪崩事件标注数据构建训练集，对融合特征向量动态权重优化，生成雪崩风险预测模型，最后实时接收当前监测数据，雪崩风险预测模型输出风险等级与预警触发阈值，实时风险值超阈值时生成多级预警信号，实现精准的雪崩预警。

本发明授权基于深度学习的雪崩预警模型构建方法及系统在权利要求书中公布了：1.一种基于深度学习的雪崩预警模型构建方法，其特征在于，所述方法包括： 获取目标区域的多源环境监测数据，所述多源环境监测数据包括气象时序数据、地形空间数据及积雪层物理数据； 对所述气象时序数据进行时间维度对齐处理，生成气象特征序列，对所述地形空间数据进行空间网格化处理，生成地形空间特征集，对所述积雪层物理数据进行物理参数提取，生成积雪状态向量； 将所述气象特征序列、地形空间特征集及积雪状态向量输入深度学习网络模型，生成融合特征向量，其中，所述深度学习网络模型包含时序注意力单元、空间卷积单元及跨模态交互单元； 基于历史雪崩事件标注数据构建训练集，利用所述训练集对所述融合特征向量进行动态权重优化，生成雪崩风险预测模型； 实时接收当前环境监测数据，通过所述雪崩风险预测模型输出目标区域的风险等级及预警触发阈值，当实时风险值超过所述预警触发阈值时生成多级预警信号； 所述实时接收当前环境监测数据，通过所述雪崩风险预测模型输出目标区域的风险等级及预警触发阈值，当实时风险值超过所述预警触发阈值时生成多级预警信号，包括： 实时采集目标区域的当前气象时序数据、当前地形空间数据及当前积雪层物理数据； 对所述当前气象时序数据进行时间维度对齐处理，生成实时气象特征序列，对所述当前地形空间数据进行空间网格化处理，生成实时地形空间特征集，对所述当前积雪层物理数据进行物理参数提取，生成实时积雪状态向量； 将所述实时气象特征序列、实时地形空间特征集及实时积雪状态向量输入所述雪崩风险预测模型，输出目标区域的实时风险值及动态更新的预警触发阈值； 根据所述实时风险值与所述预警触发阈值的差值划分风险等级区间，生成对应所述风险等级区间的风险等级标签； 当所述实时风险值超过所述预警触发阈值时，根据所述风险等级标签激活预设的预警级别映射表，生成包含不同告警频率与应急响应指令的多级预警信号； 在当实时风险值超过所述预警触发阈值时生成多级预警信号之后，所述方法还包括： 采集所述目标区域的实时地表形变监测数据及气象雷达反射率数据，生成动态环境验证数据集； 将所述动态环境验证数据集输入预训练的积雪运动识别模型，提取积雪层位移速率及表层裂缝扩展轨迹，生成积雪结构异常指标； 根据所述积雪结构异常指标与所述雪崩风险预测模型输出的风险等级进行时空匹配度分析，生成模型预测偏差系数； 当所述模型预测偏差系数超过预设阈值时，激活地形扫描设备对目标区域进行三维点云重建，生成地表微地形变化图谱，并将所述地表微地形变化图谱与历史雪崩事件发生前的特征地形模板进行相似度比对，识别潜在触发点位坐标； 根据所述潜在触发点位坐标调整所述雪崩风险预测模型的预警触发阈值，生成自适应阈值更新指令，基于所述自适应阈值更新指令修正当前环境监测数据的特征权重分配策略，将更新后的特征权重回传至所述跨模态交互单元进行特征重校准； 利用重校准后的跨模态交互单元输出新的融合特征向量，驱动所述雪崩风险预测模型生成增量学习参数，将所述增量学习参数与原有模型参数进行梯度插值融合，生成环境适应型雪崩风险预测模型； 通过边缘计算节点将所述环境适应型雪崩风险预测模型的参数同步至所有在线预警终端，完成预警逻辑的闭环迭代； 所述方法还包括： 在所述生成积雪结构异常指标后，执行以下步骤： 根据所述积雪层位移速率构建三维运动矢量场，提取各向异性位移分布特征，并将所述各向异性位移分布特征与所述地形空间特征集中的地形势能梯度进行耦合分析，生成势能-运动关联矩阵； 基于所述势能-运动关联矩阵计算不同海拔高度带的雪体应力集中指数，识别应力超限区域边界，并根据所述应力超限区域边界激活无人机集群对指定高度带进行红外热成像扫描，获取积雪内部温度场分布数据； 将所述积雪内部温度场分布数据与所述积雪状态向量中的温度梯度变化率进行数据同化处理，生成修正后的雪体稳定性评估指标，并将所述修正后的雪体稳定性评估指标输入物理约束神经网络进行前向推理，更新所述积雪状态向量的数值分布； 将更新后的积雪状态向量重新输入所述跨模态交互单元，触发所述融合特征向量的实时重计算，并根据重计算后的融合特征向量调整所述雪崩风险预测模型的全连接层权重，生成动态优化后的风险概率输出； 将所述动态优化后的风险概率输出与原始预警信号进行决策融合，生成置信度加权的最终预警等，并根据所述最终预警等级控制预警终端的多级信号发布策略，同步将优化过程产生的数据流写入所述训练集进行存储。

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交二公局东萌工程有限公司，其通讯地址为：710119 陕西省西安市高新区信息大道2号企业壹号公园19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。