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！

龙图腾网获悉长春建筑学院申请的专利一种岩土工程边坡变形监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：CN120913114B 。

龙图腾网通过国家知识产权局官网在2025-12-23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：202511445509.1，技术领域涉及：G06V20/17；该发明授权一种岩土工程边坡变形监测方法及系统是由张晓娇;王维维;陈佳敏;李海军设计研发完成，并于2025-10-11向国家知识产权局提交的专利申请。

本一种岩土工程边坡变形监测方法及系统在说明书摘要公布了：本发明公开了一种岩土工程边坡变形监测方法及系统，通过获取多模态图像数据，利用CLAHE算法增强所述多模态图像数据的弱形变区域对比度，通过Sobel算子提取梯度边缘信息，并基于VMD变分模态分解滤除激光雷达点云噪声；基于BiLSTM双向长短期记忆网络捕捉时间序列的双向依赖关系，通过注意力机制动态分配不同时间步和空间位置的权重；利用GJO金豺优化算法优化所述混合预测模型的超参数，得到目标混合预测模型；将特征图像数据输入至所述目标混合预测模型中进行预测，生成风险概率热力图，根据风险概率热力图定位边坡潜在滑裂面位置。提高岩土工程边坡图像数据分析的可靠性和准确性。

本发明授权一种岩土工程边坡变形监测方法及系统在权利要求书中公布了：1.一种岩土工程边坡变形监测方法，其特征在于，所述岩土工程边坡变形监测方法包括以下步骤： 获取多模态图像数据，利用CLAHE算法增强所述多模态图像数据的弱形变区域对比度，通过Sobel算子提取梯度边缘信息，并基于VMD变分模态分解滤除激光雷达点云噪声，得到特征图像数据； 基于BiLSTM双向长短期记忆网络捕捉时间序列的双向依赖关系，通过Attention注意力机制动态分配不同时间步和空间位置的权重，建立混合预测模型； 利用GJO金豺优化算法优化所述混合预测模型的超参数，得到目标混合预测模型； 将所述特征图像数据输入至所述目标混合预测模型中进行预测，生成风险概率热力图，根据所述风险概率热力图定位边坡潜在滑裂面位置; 所述基于BiLSTM双向长短期记忆网络捕捉时间序列的双向依赖关系，通过Attention注意力机制动态分配不同时间步和空间位置的权重，建立混合预测模型，包括： 构建BiLSTM网络，包含输入层、隐藏层和输出层，输入层接收经过处理的特征图像数据，根据特征图像的大小和维度确定数据维度； 隐藏层设置多个神经元，通过前向LSTM和后向LSTM分别对输入数据进行处理； 前向LSTM从时间序列的起始点开始，依次处理每个时间步的数据；后向LSTM从时间序列的终点开始，反向处理每个时间步的数据；将前向和后向LSTM的输出进行拼接，作为隐藏层的输出; 所述基于BiLSTM双向长短期记忆网络捕捉时间序列的双向依赖关系，通过Attention注意力机制动态分配不同时间步和空间位置的权重，建立混合预测模型，还包括： 将BiLSTM网络的输出作为输入，通过全连接层映射至低维空间；计算每个位置的得分值，通过softmax函数转换为权重值； 将每个位置的输出与对应的权重值相乘，进行加权求和，得到Attention机制的输出; 所述利用GJO金豺优化算法优化所述混合预测模型的超参数，得到目标混合预测模型，包括： 以模型在验证集上的预测误差作为目标函数，通过GJO算法对超参数进行搜索和优化； 在每次迭代中，金豺个体根据自身位置和群体信息进行移动，更新位置，计算目标函数值，经过多轮迭代找到最优的超参数组合; 所述将所述特征图像数据输入至所述目标混合预测模型中进行预测，生成风险概率热力图，根据所述风险概率热力图定位边坡潜在滑裂面位置，包括： 将模型预测得到的每个位置的风险概率值映射到颜色空间，生成风险概率热力图，结合边坡的地质结构和地形地貌信息确定潜在滑裂面。

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长春建筑学院，其通讯地址为：130600 吉林省长春市双阳区奢岭街道办事处幸福村；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。