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！

龙图腾网获悉中国人民解放军军事科学院国防工程研究院申请的专利基于FCNN-RNN的地下工程加速度数据信息聚类与危险源识别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：CN116578888B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202310550414.0，技术领域涉及：G06F18/23；该发明授权基于FCNN-RNN的地下工程加速度数据信息聚类与危险源识别方法是由张鏖;梅勇;李锋;李晓鹏;吕玉正;李博宇;唐文冲;唐亮设计研发完成，并于2023-05-16向国家知识产权局提交的专利申请。

本基于FCNN-RNN的地下工程加速度数据信息聚类与危险源识别方法在说明书摘要公布了：本发明公开了一种基于FCNN‑RNN的地下工程加速度数据信息聚类与危险源识别方法，所述方法针对地下工程的监测预警信息提出了一套专门数据信息识别与提取问题的神经网络模型，模型前半部分主要以卷积神经网络为基础，构建了三种尺寸的空洞卷积核，最大程度的提取地下工程监测数据在空间上的多尺度信息，解决了模型对于细小缺陷信息不敏感的问题，同时减少了参数计算量。模型后端部分主要以RNN网络为基础，由于RNN网络能够提取数据间隐藏的时间序列特征，不同时间段的监测信息反映出地下工程不同类型损伤和缺陷的发展规律，加入RNN网络，精确度会大有提升。

本发明授权基于FCNN-RNN的地下工程加速度数据信息聚类与危险源识别方法在权利要求书中公布了：1.一种基于FCNN-RNN的地下工程加速度数据信息聚类与危险源识别方法，其特征在于所述方法利用由信息获取模块、卷积模块、循环神经网络模块和可视输出模块构成的系统实现地下工程加速度数据信息聚类与危险源识别，其中： 所述信息获取模块布置在地下工程相关位置，用于获取监测信息； 所述卷积模块以VGG-16为主体框架，构造多尺度全局FCN网络，移除池化层Pool5，利用空洞卷积构建多尺度卷积模块，并联三条空洞率分别为1、2、5的空洞卷积通道，分别感知不同尺度感受野的信息，提取多尺度特征； 所述循环神经网络模块为RNN神经网络模型，将卷积模块特征融合后的结果输入到RNN神经网络模型中提取时间特征； 所述可视输出模块对RNN神经网络模型输出结果进行反卷积操作，并与卷积模块pool4节点进行跳跃连接和特征融合，通过反卷积层对融合结果进行二次反卷积，并与卷积模块pool3节点进行跳跃连接，以修正层级迭代带来的特征消失现象，通过SoftMax层做归一化处理，计算出损失函数，实现全局特征感知与预测； 所述方法包括如下步骤： 步骤1：设置多个用于采集地下工程监测信息的信息采集点，以标注地下结构缺陷数据作为数据集； 步骤2：将数据输入到由空洞卷积构建的多尺度卷积模块中，提取多尺度特征； 步骤3：将三个通道池化后的结果采用add算法进行特征融合； 步骤4：将特征融合后的结果输入到RNN神经网络模型中提取时间特征； 步骤5：将多尺度卷积模块和RNN神经网络模型提取到的时间和空间特征输入到反卷积层进行汇总操作； 步骤6：利用SoftMax层归一化输出结果，计算出每个像素输出值与输入真实值的损失值，并反向传播给上一层，随FCNN-RNN混合不断迭代，实现FCNN-RNN混合的特征感知； 步骤7：将特征感知与预测结果执行可视化操作。

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国人民解放军军事科学院国防工程研究院，其通讯地址为：100000 北京市海淀区太平路22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。