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！

龙图腾网获悉辽宁省地震局申请的专利基于深度学习的地震灾害情景识别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：CN120579002B 。

龙图腾网通过国家知识产权局官网在2026-03-20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：202510713613.8，技术领域涉及：G06F18/24；该发明授权基于深度学习的地震灾害情景识别方法及系统是由李雨佳;张欣然;田雨佳;栾天;刘琳婷设计研发完成，并于2025-05-30向国家知识产权局提交的专利申请。

本基于深度学习的地震灾害情景识别方法及系统在说明书摘要公布了：本发明属于地震灾害情景识别技术领域，且公开了基于深度学习的地震灾害情景识别方法，具体步骤如下：S1、数据采集与预处理S1.1、多源异构数据采集建立包含地震波形数据、地表形变数据、建筑物结构数据、地理信息数据、历史灾害记录数据的综合数据库。通过融合3D卷积网络、图注意力机制、时空LSTM及自适应跨模态注意力融合技术，实现了地震波形时空演化规律、地表形变空间分布特性、建筑群拓扑脆弱性及灾害链时序关联的联合建模，有效提升复杂非线性灾害模式的表征能力，并通过混合精度量化与边缘计算部署将灾害评估响应时间缩短至亚秒级，结合多任务分类器与物理约束验证机制，在强噪声、数据缺失场景下仍保持高识别准确率。

本发明授权基于深度学习的地震灾害情景识别方法及系统在权利要求书中公布了：1.基于深度学习的地震灾害情景识别方法，其特征在于，具体步骤如下： S1、数据采集与预处理； 建立包含地震波形数据、地表形变数据、建筑物结构数据、地理信息数据、历史灾害记录数据的综合数据库； S2、深度学习模型构建； S2.1、混合架构神经网络； 在深度学习模型构建阶段的多模态特征提取网络设计中，需要构建协同工作的混合神经网络架构以充分挖掘地震灾害数据的多源特征； 针对时空连续的地震波形数据，采用三维卷积神经网络进行处理，设计具有自适应感受野调节功能的卷积核，尺寸设置为5×5×3，通过层级式时空特征提取模块捕获P波初至、S波幅值变化的关键震相特征，同时集成空洞卷积，扩张率设置为2，来扩大波形序列的时间上下文感知范围； 对于高分辨率遥感影像数据，构建改进型U-Net架构，在编码器部分采用ResNet-50作为主干网络并引入通道注意力机制，在解码器阶段实施多尺度特征融合，通过跳跃连接将低层纹理特征与高层语义特征进行跨层聚合，针对建筑物倒塌、地表裂缝的灾害标志物设计定向特征增强模块； 在处理建筑群结构数据时，运用图卷积网络建立拓扑关系分析模型，将单个建筑物抽象为图节点，节点属性包含结构类型、层高、建造年份参数，通过Voronoi图构建空间邻接关系作为边连接依据，采用图注意力机制动态学习建筑群之间的力学相互作用权重，并设计基于物理约束的图池化操作来保留关键结构脆弱性特征； 构建双向长短期记忆网络来捕捉灾害演化的时序动态，在时间维度上设置128个隐藏单元并采用分层传播机制，前向层捕获震源破裂过程的传播特征，后向层逆向解析灾害连锁反应路径，通过时间注意力机制加权融合不同时相的特征贡献度； S2.2、特征融合； S2.3、情景识别分类器； 经过自适应特征融合生成的128维高密度特征向量，构建混合分类决策系统，通过多任务学习框架实现灾害要素的联合推理； 首先采用深度残差网络作为主干架构，通过跳跃连接缓解梯度消失问题，利用全局平均池化层将融合特征映射至灾害等级空间，实现从Ⅵ度到Ⅺ度的烈度初分类；针对异常灾害模式：震群型地震、诱发型滑坡，引入支持向量数据描述构建超球面决策边界，通过核函数映射检测偏离常规分布的危险情景；设计条件随机场后处理模块，将建筑物破坏程度、地表破裂带走向的空间连续性约束编码为能量函数，利用图割算法优化分类结果的区域一致性，最终搭建多任务学习框架，通过共享底层特征与独立任务头的协同设计，同步输出灾害类型、烈度等级、影响范围的三元组识别结果，并通过不确定性量化模块评估各预测结果的置信度，形成兼具物理可解释性与工程实用性的决策输出； S3、模型训练与优化； S4、情景识别与决策支持阶段。

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省地震局，其通讯地址为：110034 辽宁省沈阳市皇姑区黄河北大街44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。