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！

龙图腾网获悉辽宁大学申请的专利基于多源数据时空图卷积网络的煤矿矿震时间序列特征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：CN120011792B 。

龙图腾网通过国家知识产权局官网在2025-12-19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：202510081603.7，技术领域涉及：G06F18/2131；该发明授权基于多源数据时空图卷积网络的煤矿矿震时间序列特征预测方法是由丁琳琳;王凯璐;朱晨利;李佳林;冯文彬;包鑫阳设计研发完成，并于2025-01-20向国家知识产权局提交的专利申请。

本基于多源数据时空图卷积网络的煤矿矿震时间序列特征预测方法在说明书摘要公布了：基于多源数据时空图卷积网络的煤矿矿震时间序列特征预测方法，属于矿山动力灾害防治领域。首先，通过融合微震数据和电荷数据，利用特征融合技术提取和整合两种数据源的特征，以更全面地捕捉地下环境的动态特征。然后，构建一个图结构，将传感器作为节点，使用传感器间的欧式距离定义节点间的边，以体现地质活动的空间相关性。通过时空图卷积网络动态捕捉时间和空间维度的相关性。接着，使用WOA对模型中的超参数进行优化，到最优的参数组合，提高模型的性能和准确度。最后，引入时空注意力机制，通过计算时间和空间注意力矩阵，动态调整数据输入，以更好地捕获时空特征和提高模型预测的准确性。

本发明授权基于多源数据时空图卷积网络的煤矿矿震时间序列特征预测方法在权利要求书中公布了：1.基于多源数据时空图卷积网络的煤矿矿震时间序列特征预测方法，其特征在于： 步骤1WM-STGCN网络模型构建：模型总体分为三部分：特征融合、时空图卷积、鲸鱼优化算法超参数优化WOA； 特征融合模块中通过特征编码器从原始的微震数据和电荷数据中提取出数据特征，进行单元素特征提取得到每种数据类型的全局时序特征，对两者数据特征进行关系学习得到微震和电荷间的局部交互特征，将每种数据类型的全局时序特征与微震和电荷间的局部交互特征进行融合，得到融合特征，实现微震电荷的数据融合； 时空图卷积模块通过计算时间和空间注意力矩阵，从而动态捕捉两者维度的相关性，将注意力机制调整后的数据输入到时空卷积层，来从不同维度获取依赖关系； WOA超参数优化模块对模型中需要的超参数进行参数寻优，找到最优的参数组合； 步骤2数据处理： 设定传感器的最大采样次数为每天q次，当前时间为0，预测的窗口大小为Tp，沿时间轴截取长度为Th，Td和Tw的三种序列片段，分别作为时、日、周三种周期分量的输入，其中Th，Td和Tw均为Tp的倍数； 步骤3特征融合：将微震数据和电荷数据进行多特征融合，同一框架内处理不同模态的数据； 步骤4超参数寻优 针对步骤1所构建的模型需选取优化算法，选择鲸鱼优化算法作为超参数寻优的工具，通过智能搜索机制在参数空间中演进，找到最优的超参数组合； 步骤5时空图卷积 得到最优超参数组合之后，引入了空间和时间注意力机制，然后结合步骤4超参数对步骤2得到的融合特征值X进行时空图卷积计算； 步骤6模型训练及预测 通过训练集对模型进行训练，调整模型参数以最小化预测误差； 输入为训练集和定义的图节点关系矩阵，首先初始化模型的学习参数，包括定义图卷积层、注意力机制、全连接层；然后，通过迭代选取批数据进行训练，包括微震数据、电荷数据；在迭代过程中，对数据进行多特征融合，使用WOA算法进行超参数优化，并通过时空注意力机制获取时空依赖，最终经过全连接层输出预测数据序列

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辽宁大学，其通讯地址为：110000 辽宁省沈阳市沈北新区道义南大街58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。