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！

龙图腾网获悉江西师范大学申请的专利一种基于图注意力的公路边坡地表位移时间序列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：CN120579149B 。

龙图腾网通过国家知识产权局官网在2025-11-18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：202511073446.1，技术领域涉及：G06F18/25；该发明授权一种基于图注意力的公路边坡地表位移时间序列预测方法是由何育枫;周子宽;代力;王渊;林珲设计研发完成，并于2025-08-01向国家知识产权局提交的专利申请。

本一种基于图注意力的公路边坡地表位移时间序列预测方法在说明书摘要公布了：本申请属于地理信息数据处理技术领域，公开了一种基于图注意力的公路边坡地表位移时间序列预测方法：获取多个监测站的地表位移时间序列数据及关联的环境影响数据，基于监测站地理位置构建加权邻接矩阵，定义初始空间拓扑关系；将位移数据与环境数据进行特征融合，构造属性增强的特征矩阵；将加权邻接矩阵和特征矩阵分别输入图卷积网络和图注意力网络进行并行处理：GCN通过固定拓扑结构提取结构化空间特征，生成第一特征表示；GAT利用注意力机制自适应分配动态权重，提取非均匀空间依赖特征，生成第二特征表示；融合两种特征表示，输入时序建模模块解析时间依赖性，最终输出未来时刻地表位移预测结果。该方法显著提升了地表位移预测的准确性。

本发明授权一种基于图注意力的公路边坡地表位移时间序列预测方法在权利要求书中公布了：1.一种基于图注意力的公路边坡地表位移时间序列预测方法，其特征在于，包括以下步骤： 获取多个监测站的地表位移时间序列数据以及与所述监测站相关的环境影响数据，所述环境影响数据包括监测站所在位置的逐日降水量、逐日湿度的动态环境数据，以及各监测站的高程、至最近地质断裂带距离的静态地理数据； 基于所述监测站的地理位置信息，采用高斯相似性函数，基于任意两个监测站之间的欧几里得空间距离来计算两个监测站之间的连接权重；所述连接权重与监测站间距离成反比，并由一尺度参数控制其衰减速度，以构建一个全连接的、能够反映空间邻近度的加权邻接矩阵，以表征所述监测站之间的初始空间拓扑关系； 将所述地表位移时间序列数据与所述环境影响数据进行融合，构建属性增强的特征矩阵，具体包括：将所述地表位移时间序列数据作为基础特征矩阵；将所述动态环境数据构建为动态特征矩阵；将所述静态地理数据构建为静态特征矩阵；在每个时间步，将所述基础特征矩阵、所述动态特征矩阵和所述静态特征矩阵进行组合，形成所述属性增强的特征矩阵； 将所述加权邻接矩阵和所述属性增强的特征矩阵，并行输入至一图卷积网络模块和一图注意力网络模块，以进行空间特征提取，其中： 所述图卷积网络模块，依据所述加权邻接矩阵定义的固定拓扑结构，提取结构化的空间特征，生成第一空间特征表示； 所述图注意力网络模块，通过注意力机制自适应地为每一监测站的邻近监测站分配动态权重，提取非均匀的空间依赖特征，生成第二空间特征表示； 对所述第一空间特征表示和所述第二空间特征表示进行融合，具体为采用特征加法策略，将所述第一空间特征表示与所述第二空间特征表示进行逐元素相加，生成一融合空间特征表示； 将所述融合空间特征表示按时间步长输入至一时序建模模块，对地表位移的时间依赖性进行建模，并输出未来时刻的地表位移预测结果，所述时序建模模块为一门控循环单元，执行以下门控机制：在每个时间步，利用所述门控循环单元内部的更新门和重置门来控制信息流；所述更新门决定前一时间步的隐藏状态信息在多大程度上被带入当前状态；所述重置门决定前一时间步的隐藏状态信息在多大程度上被忽略；通过上述门控机制，以捕捉地表位移序列中的长期时间依赖关系，并更新隐藏状态以生成预测结果。

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江西师范大学，其通讯地址为：330000 江西省南昌市高新技术开发区紫阳大道99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。