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！

龙图腾网获悉山东省路桥集团有限公司申请的专利基于流形图卷积网络的陡峭斜坡稳定性预测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：CN120180127B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202510283047.1，技术领域涉及：G06F18/214；该发明授权基于流形图卷积网络的陡峭斜坡稳定性预测方法及系统是由纪东兴;李喜民;葛超;陈岩;蒋毫;韩志文;蒋鹏飞;王智昊设计研发完成，并于2025-03-11向国家知识产权局提交的专利申请。

本基于流形图卷积网络的陡峭斜坡稳定性预测方法及系统在说明书摘要公布了：本发明涉及一种基于流形图卷积网络的陡峭斜坡稳定性预测方法及系统，属于地质灾害监测与预测技术领域。其包括以下步骤：数据采集与预处理；构造融合多元特征的图结构；构建流形图卷积神经网络模型；模型训练；陡峭斜坡地表位移预测；根据预测的地表位移结果，进行陡峭斜坡稳定性评估。本发明综合地质、地形等多源数据反映斜坡实时状态；通过多维度数据融合，捕捉关键因素，提升预测全面性与准确性。构建融合多元特征的图结构，利用流形图卷积网络和神经常微分方程，深度挖掘空间相关性与时间动态变化，实现时空特征深度融合。模型对轻微形变和复杂地质条件适应性良好，鲁棒性高，能够适用于不同类型斜坡监测。

本发明授权基于流形图卷积网络的陡峭斜坡稳定性预测方法及系统在权利要求书中公布了：1.一种基于流形图卷积网络的陡峭斜坡稳定性预测方法，其特征在于，包括以下步骤： S1.数据采集与预处理：收集陡峭斜坡数据，包括InSAR数据I、地质数据G、地形数据T、环境数据E、力学数据M以及人工监测数据D，并对数据进行预处理，得到预处理的陡峭斜坡数据，并划分为测试集和训练集； S2.构造融合多元特征的图结构：将预处理的InSAR数据I作为图中的节点，根据空间距离和坡度差异建立节点之间的边，得到图结构，图结构包括每个节点的特征向量和节点之间的边对应的邻接矩阵； S3.构建流形图卷积神经网络模型：流形图卷积神经网络模型包括图卷积神经网络和神经常微分方程，将测试集中第个时刻的节点的特征向量和第个时刻的节点之间的边对应的邻接矩阵输入到图卷积神经网络中对陡峭斜坡的空间特征进行提取，得到陡峭斜坡的潜在信息表示，所述陡峭斜坡的潜在信息表示输入到神经常微分方程中进行时间动态建模，得到预测的陡峭斜坡地表位移； 具体步骤如下： S31.基于图卷积神经网络的空间特征提取：在图卷积神经网络中进行多层图卷积操作，第层的特征提取公式表示如下： ， ， ， ， 其中，表示第层的节点表示，初始层，表示对称归一化处理后的邻接矩阵，表示度矩阵，表示在时刻时节点与节点之间的邻接关系权重，即邻接矩阵的第行、第列元素，表示第层的节点表示，表示第层的可训练权重矩阵，表示ReLU激活函数，当时，，当时，；经过多层图卷积操作之后，最终得到陡峭斜坡的潜在信息表示； S32.基于神经常微分方程的时间动态建模：斜坡状态的时间演化常微分方程公式表示如下： ， 其中，表示参数化的动态函数，表示可训练参数；通过Runge-Kutta方法，计算斜坡状态从时刻到的演化，公式表示如下： ， 其中，表示斜坡在未来时刻的隐藏状态，表示斜坡状态随时间变化的动态函数，表示斜坡在时间的隐藏状态，是积分变量，表示时间，，从当前时刻积分到未来时刻；将斜坡在未来时刻的隐藏状态经过线性映射得到预测的地表位移，公式表示如下： ， 其中，表示节点在时刻的隐藏状态向量，表示线性映射过程中的可训练权重矩阵，表示线性映射过程中的偏置向量，表示ReLU激活函数； S4.模型训练：通过均方误差作为损失函数对模型进行训练，得到训练好的模型； S5.陡峭斜坡地表位移预测：测试集中数据输入到训练好的模型中，得到预测的地表位移； S6.根据预测的地表位移结果，进行陡峭斜坡稳定性评估。

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山东省路桥集团有限公司，其通讯地址为：250014 山东省济南市历下区经十路14677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”。