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！

龙图腾网获悉同济大学申请的专利一种融合扩散生成与可解释学习的极端降雨群发滑坡易发性评估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：CN121542895B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202610056003.X，技术领域涉及：G06F18/2415；该发明授权一种融合扩散生成与可解释学习的极端降雨群发滑坡易发性评估方法是由黄雨;李垠柯;何正迎设计研发完成，并于2026-01-16向国家知识产权局提交的专利申请。

本一种融合扩散生成与可解释学习的极端降雨群发滑坡易发性评估方法在说明书摘要公布了：本发明涉及极端降雨诱发群发滑坡易发性评估领域，具体为一种融合扩散生成与可解释学习的极端降雨群发滑坡易发性评估方法，包括以下步骤：首先，构建多维度因子数据集，实现栅格化预处理；其次，建立特征响应解析模块，识别滑坡发生的主控因子并剔除冗余变量；然后，引入去噪扩散概率模型，构建增强的平衡样本库；接着，基于多算法融合的集成式判别模型进行滑坡概率预测，输出栅格级滑坡发生概率；最后，利用自然断点法最小化类内方差、最大化类间方差，确定最优分级阈值集，实现滑坡易发性等级划分与空间制图输出。在极端降雨条件下，本发明可有效表征群发滑坡流滑灾变过程的易发性分区影响，实现较高精度滑坡易发性评价。

本发明授权一种融合扩散生成与可解释学习的极端降雨群发滑坡易发性评估方法在权利要求书中公布了：1.一种融合扩散生成与可解释学习的极端降雨群发滑坡易发性评估方法，其特征在于，包括以下步骤： S1：多源因子数据构建与栅格化预处理；针对地形、地质、水文、植被、工程扰动及降雨结构指标多源数据，执行空间投影统一、分辨率重采样、数值标准化处理，形成用于模型训练的多因子栅格输入矩阵； S2：构建特征响应解析模块，用于识别主控因子并剔除冗余变量； S3：构建生成式补样模块，用于扩展训练样本分布范围并增强边界样本识别能力； S4：建立集成式判别模块，用于输出栅格化概率结果及等级表达； S5：输出分层式滑坡易发性成果产品，将评估结果以风险等级制图表达，用于预警联动、风险管控与工程治理方案制定； 步骤S2中，所述特征响应解析模块用于识别滑坡发生的主控因子并剔除冗余变量，实现输入因子的降维与优化； 处理过程包括以下步骤： S2.1：基于信息增益率IGR计算各因子对目标变量的判别贡献度，得到因子重要性排序序列； 通过信息增益抑制对取值较多因子的偏好，使不同因子贡献度具有可比性；对于连续型因子，先采用分箱离散化获得有限取值区间，再按标准定义计算IGR值并排序； S2.2：利用可解释学习机制对模型输出进行因果响应量化，采用特征贡献解释向量，以度量输入因子变化对预测结果的边际影响； 其中，表示第个因子对该样本预测结果的贡献强度，符号表示作用方向，绝对值表示影响程度； S2.3：设定贡献阈值，根据信息增益率与的联合结果剔除低敏感因子，仅保留主要控制变量；所述联合结果指同时参考因子信息增益率排序与全局贡献度排序：当因子在两类排序中均低于同一贡献阈值时，判定为低敏感或者冗余，不纳入后续建模输入，否则予以保留； 对保留因子执行归一化与尺度统一处理，形成优化输入集； S2.4：得到的优化输入集作为最终输入因子集，为S3生成式补样模块提供约简后的高效输入变量集合，作为边界样本与稀缺类别样本的定向识别依据与生成条件变量；同时接受S3返回的样本一致性反馈信号，并据此对贡献阈值及保留因子集合进行迭代修正，直至反馈指标满足预设一致性要求。

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同济大学，其通讯地址为：200092 上海市杨浦区四平路1239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。