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！

龙图腾网获悉湖南诚德建设有限公司申请的专利基于深度学习的水利工程管理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：CN121616118B 。

龙图腾网通过国家知识产权局官网在2026-05-05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：202610150244.0，技术领域涉及：G06Q10/0635；该发明授权基于深度学习的水利工程管理方法及系统是由池昊;邱雅楠;景丽;高天宇;包丽;常磊;侯俊娇;姚雪婕设计研发完成，并于2026-02-03向国家知识产权局提交的专利申请。

本基于深度学习的水利工程管理方法及系统在说明书摘要公布了：本发明公开了基于深度学习的水利工程管理方法及系统，涉及数据管理技术领域，本发明在施工与局部试运行并存的水利枢纽场景下，利用联动状态图数据统一管理围堰、闸门、泵站、施工面与人员状态，通过微扰辨识获得可控参数数据，并由神经算子预测输出水位包络数据与风险带数据；结合评价函数数据自动生成满足硬约束的最优动作序列数据，同时提供反事实证据链数据与审计日志数据，实现快速联动处置、可解释对比与可追溯复盘，降低漫顶与撤离不足风险并减少盲目停工。

本发明授权基于深度学习的水利工程管理方法及系统在权利要求书中公布了：1.基于深度学习的水利工程管理方法，其特征在于，包括如下步骤： 步骤S1，采集水利工程对象状态数据并构建联动状态图数据，所述水利工程对象状态数据包括围堰状态数据、闸门状态数据、泵站状态数据、施工面状态数据和人员状态数据，并将水利工程对象状态数据写入数据库； 步骤S2，在联动状态图数据约束下生成微扰控制动作数据并执行，采集控制响应数据，将控制响应数据输入至深度状态空间网络，输出可控参数数据并写入数据库； 步骤S3，获取边界条件数据并与可控参数数据一并输入至神经算子预测网络，输出水位包络数据和风险带数据，并将水位包络数据和风险带数据写入数据库； 步骤S4，基于风险带数据、施工进度数据和质量约束数据构建评价函数数据，并将评价函数数据写入数据库； 步骤S5，将联动状态图数据、评价函数数据和风险带数据输入至约束生成式编排网络，输出候选动作序列数据，对候选动作序列数据进行评估并输出最优动作序列数据，同时生成反事实证据链数据； 步骤S6，将最优动作序列数据发送至控制端和指挥端执行，并将最优动作序列数据、反事实证据链数据及对应的时间戳数据写入审计日志数据； 步骤S4包括如下子步骤： 步骤S401，获取施工进度数据和质量约束数据，施工进度数据包括关键路径工序时长数据和资源占用数据，质量约束数据包括混凝土温控阈值数据和养护连续性阈值数据； 在步骤S401中，获取施工进度数据与质量约束数据，关键路径工序时长数据与资源占用数据从施工计划系统导出并写入数据库，混凝土温控阈值数据与养护连续性阈值数据由质量管理规范或试验室设定并写入数据库；上述施工进度数据与质量约束数据与施工工序状态数据建立关联； 步骤S402，基于风险带数据构建安全代价数据，基于施工进度数据构建进度代价数据，基于质量约束数据构建质量代价数据； 在步骤S402中，基于风险带数据构建安全代价数据，安全代价数据可用约束违反强度的期望表示，定义： ； 其中，对应围堰水位上限约束，为网络输出水位包络数据的上限值，为围堰上游水位上限约束对应水位； 对应人员撤离最短时间约束，为人员撤离所需时间，由人员位置数据与人员撤离通道状态数据计算得到，为风险提前量； 基于施工进度数据构建进度代价数据，将关键路径延误定义为： ； 其中，由施工工序切换动作数据导致的工序时长重估得到； 基于质量约束数据构建质量代价数据，将混凝土温控超限强度定义为： ； 其中，由现场温控采集得到，为养护中断时长，为养护连续性阈值数据； 步骤S403，将安全代价数据、进度代价数据和质量代价数据融合生成评价函数数据，并将评价函数数据写入数据库； 在步骤S403中，将安全代价数据、进度代价数据与质量代价数据融合生成评价函数数据，评价函数数据可表示为： ； 其中，、和为权重并写入数据库。

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湖南诚德建设有限公司，其通讯地址为：410005 湖南省长沙市开福区新河街道潘家坪路223号1栋6楼；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。