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！

龙图腾网获悉河北工业大学申请的专利一种基于图深度学习的地震滑坡空间规模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：CN119249148B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202411319347.2，技术领域涉及：G06F18/214；该发明授权一种基于图深度学习的地震滑坡空间规模预测方法及系统是由郭子正;程孟晨;何俊;魏国鹏设计研发完成，并于2024-09-22向国家知识产权局提交的专利申请。

本一种基于图深度学习的地震滑坡空间规模预测方法及系统在说明书摘要公布了：本发明为一种基于图深度学习的地震滑坡空间规模预测方法及系统，所述预测方法根据研究区数字高程模型划分斜坡单元，获取与滑坡灾害相关的地理要素，基于斜坡单元集成各地理要素数据，并利用网格内的斜坡单元间的空间连接构建子图数据，所有子图数据构成图结构数据集；子图中斜坡单元视为节点v，任意两个节点都视为具有连接关系，节点间的连接关系使用边矩阵E表示，边矩阵E的元素值均为1，对于无滑坡发生的斜坡单元内的滑坡平面面积设置为0；利用图结构数据集，采用图Transformer模型评估区域范围内地震滑坡的平面面积。为极端事件作用下区域范围内滑坡危险性的空间分布，特别是地震滑坡规模预测提供一个实用的框架和技术路径。

本发明授权一种基于图深度学习的地震滑坡空间规模预测方法及系统在权利要求书中公布了：1.一种基于图深度学习的地震滑坡空间规模预测方法，其特征在于，所述预测方法包括以下步骤： S1、获取研究区的数字高程模型，采用斜坡单元划分研究区域； S2、获取与滑坡灾害相关的各种地理要素，并使用不同的集成法将各地理要素集成到每个斜坡单元中； S3、依次滑动固定大小的网格提取斜坡单元，每个网格提取到多个斜坡单元，同一个网格所提取到的所有斜坡单元构成斜坡单元子集，每个斜坡单元子集为一个子图数据，子图中斜坡单元视为节点v，任意两个节点vi和vj都视为具有连接关系，其节点间的连接关系使用边矩阵E∈Rm×m表示，其中m表示子图数据中节点的数量，边矩阵E的元素值均为1，子图数据中节点的特征为使用不用集成法集成于对应斜坡单元的地理要素，子图数据节点的标签数据为对应斜坡单元内滑坡的平面面积的大小，对于无滑坡发生的斜坡单元内的滑坡平面面积设置为0；所有子图数据构成滑坡影响因素的图结构数据集，一个子图对应一个边矩阵，相邻子图之间无连接关系；将所有斜坡单元纳入模型的考量当中，即不排除滑坡面积为0的斜坡单元； 所述步骤3的具体过程是： 步骤S31、初始化网格大小，并以所研究区域的左上角为起点按顺序滑动网格，滑动步长为1个网格单位； 步骤S32、计算每个斜坡单元与第l步长网格相交部分的面积，并使用面积比公式评估每个斜坡单元是否能够被该网格提取，使用面积比R确定第l步长网格所提取的斜坡单元子集，面积比公式为： 其中，ui∩Kl表示第i个斜坡单元与第l步网格在空间上相交的区域，Sui∩Kl表示该区域的面积，表示第i个斜坡单元的面积； 当R≥0.5，表明该斜坡单元被第l步网格提取，否则不会被第l步网格提取；第l步网格提取到的所有斜坡单元构成斜坡单元子集； 步骤S33、当网格遍历完研究区域的所有斜坡单元后，得到L个斜坡单元子集并处理为L个子图数据，其中L为滑动的次数，斜坡单元视为子图数据中的节点v，子图中任意两个节点vi和vj都视为具有连接关系的两个节点； S4、利用图结构数据集，采用图Transformer模型评估区域范围内地震滑坡的平面面积； 所述的图Transformer模型使用平方误差相关区域SERA函数作为所述图Transformer模型的损失函数，定义一个相关性函数利用相关性函数将真实标签和预测标签值都映射到[0,1]，统计映射后的真实标签值的范围，确定端点值n1和n2，n1和n2在0到1之间取值；以平面面积作为横坐标，纵坐标为映射后的真实值与预测值的平方误差，并在n1和n2之间设置多个间断点t，相邻t值之间间隔为0.01-0.05， 其中，Dt表示yi值大于间断点t的值的集合；SERt为间断点t处的平方误差，和yi为样本i映射后的预测值和真实值。

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北工业大学，其通讯地址为：300401 天津市北辰区西平道5340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。