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！

龙图腾网获悉中通服咨询设计研究院有限公司;中国科学院地理科学与资源研究所申请的专利一种基于自适应数据分布深度学习的雪崩风险预警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：CN120913351B 。

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：202511449460.7，技术领域涉及：G08B21/10；该发明授权一种基于自适应数据分布深度学习的雪崩风险预警方法是由郝建盛;鞠卫国;齐天宇;王岩;陈国庆;朱强;田原;邓曦;周玥丹;耿钰设计研发完成，并于2025-10-11向国家知识产权局提交的专利申请。

本一种基于自适应数据分布深度学习的雪崩风险预警方法在说明书摘要公布了：本发明提出了一种基于自适应数据分布深度学习的雪崩风险预警方法，包括以下步骤：步骤1，获取当前时刻前一段时间内的环境监测数据并进行预处理，构建训练数据集；步骤2，构建雪崩风险预警模型；步骤3，使用步骤1中的训练数据集对步骤2中构建的雪崩风险预警模型进行训练，得到训练好的雪崩风险预警模型；步骤4，将环境监测的预报数据输入训练好的雪崩风险预警模型进行数据重构，得到与所述预报数据对应的重构数据；步骤5，根据所述预报数据和所述对应的重构数据，计算数据异常得分；步骤6，根据所述数据异常得分和预设阈值，确定数据异常，完成所述雪崩风险预警。

本发明授权一种基于自适应数据分布深度学习的雪崩风险预警方法在权利要求书中公布了：1.一种基于自适应数据分布深度学习的雪崩风险预警方法，其特征在于，包括以下步骤： 步骤1，获取当前时刻前一段时间内的环境监测数据并进行预处理，构建训练数据集； 步骤2，构建雪崩风险预警模型； 步骤3，使用步骤1中的训练数据集对步骤2中构建的雪崩风险预警模型进行训练，得到训练好的雪崩风险预警模型； 步骤4，将环境监测的预报数据输入训练好的雪崩风险预警模型，进行数据重构，得到与所述预报数据对应的重构数据； 步骤5，根据所述预报数据和所述对应的重构数据，计算数据异常得分； 步骤6，根据所述数据异常得分和预设阈值，确定数据异常，完成所述雪崩风险预警； 其中，步骤2中所述的构建雪崩风险预警模型，即基于物理状态引导机制与自注意力增强的变分自编码器构建雪崩风险预警模型；所述雪崩风险预警模型依据输入数据生成物理先验分布，并通过编码器-解码器架构进行数据重构，输出与所述预报数据对应的重构数据； 步骤2中所述的雪崩风险预警模型，包括： 物理先验生成模块、自注意力机制增强的变分自编码器、潜在变量采样模块和解码器模块；其中： 所述物理先验生成模块，根据输入数据中的物理状态特征，通过多层感知网络构造该物理状态下潜在空间潜在变量的先验分布参数，实现对隐空间的物理一致性约束； 所述自注意力机制增强的变分自编码器，对输入数据进行自注意力建模，捕捉不同数据变量之间的依赖关系，并生成后验分布的均值与方差参数； 所述潜在变量采样模块，基于重参数化技巧采样潜在变量向量，用于生成具有物理约束特性的潜在表示； 所述解码器模块，对潜变量进行解码重构，得到原始输入的重建数据； 所述雪崩风险预警模型，通过比对计算所述物理先验生成模块、潜在变量采样模块和所述解码器模块输出的数据，得到异常得分，并据此进行预警； 所述的物理先验生成模块，包括： 以当前时间点的雪层物理观测值向量为输入，其中为物理特征维度，通过多层感知网络MLP输出潜变量先验分布的均值向量与对数方差向量，表示为： ； 其中，为潜在空间维度，所述均值向量与方差向量构成当前物理状态下潜在变量的先验分布： ； 其中，表示均值为协方差矩阵为对角矩阵的多维高斯分布。

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中通服咨询设计研究院有限公司;中国科学院地理科学与资源研究所，其通讯地址为：210019 江苏省南京市建邺区楠溪江东街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。