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！

龙图腾网获悉杭州码全信息科技有限公司申请的专利一种基于贝叶斯深度学习的事件预测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：CN120336932B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202510764724.1，技术领域涉及：G06F18/24；该发明授权一种基于贝叶斯深度学习的事件预测预警方法是由闫鑫怡;许永恩;王昶庆;马汉杰;王标设计研发完成，并于2025-06-10向国家知识产权局提交的专利申请。

本一种基于贝叶斯深度学习的事件预测预警方法在说明书摘要公布了：本发明公开了一种基于贝叶斯深度学习的事件预测预警方法，主要包括两个部分：一是基于事件特征的贝叶斯深度学习规则模型构建，二是在贝叶斯深度学习规则模型构建的基础上开展的预测预警模型设计。本发明通过融合贝叶斯统计方法与深度学习模型，可以充分利用两者的优势，能够结合先验知识和观测数据通过概率分布的形式表达预测结果的不确定性，对复杂、非线性的时间序列数据进行高效建模与预测，实现对潜在事件的早期预警，以提高事件预测预警的准确性和可靠性。

本发明授权一种基于贝叶斯深度学习的事件预测预警方法在权利要求书中公布了：1.一种基于贝叶斯深度学习的事件预测预警方法，其特征在于，包括如下步骤： 1收集目标应用场景下的海量多源异构数据，对这些数据进行预处理后划分为训练集、验证集和测试集；其中每一组数据包含多个特征变量以及一个目标变量，所述特征变量为数值型、类别型或时间序列型，所述目标变量为预测事件的状态，作为标签； 对数据进行预处理包括数据清洗、数据整合、数据增强以及特征工程四部分，数据清洗部分包括对去噪、对缺失值的补全填充、对异常值的修正或剔除；特征工程部分包括特征选择、特征提取以及特征变换，其中特征选择通过包括相关性分析、PCA、互信息在内的方法筛选出对目标变量有重要影响的特征，特征提取则通过包括CNN、RNN在内的深度学习方法自动从原始数据中提取高级特征，特征变换则通过包括标准化、归一化、独热编码、标签编码在内的方法改善数据分布； 2利用用户数字画像构建基于事件特征的规则模型，所述用户数字画像为根据用户包括行为数据、社交数据、消费数据在内的多维度信息所构建出的用户特征集合，具体实现方式为：首先分析目标应用场景下用户数字画像信息，获取事件涉及的各类信息要素以及行为要素，以支撑规则模型的构建，信息要素包括时间信息、地点信息、轨迹信息、人物信息以及事件信息；每一类治理场景都需通过对事件进行本体解析，从中抽离出该类事件所特有的虚实空间甚至思维空间的信息要素和行为要素，在对多个同类事件进行分析的基础上，归纳该类事件的共性特点和共现行为，构建形成该类事件所特有的信息要素和行为要素特征库，通过整合各类事件的信息要素和行为要素特征库即得到基于事件特征的规则模型； 3在上述规则模型的基础上搭建基于贝叶斯深度学习的预测预警模型，所述基于贝叶斯深度学习的预测预警模型融合了贝叶斯算法和深度神经网络的优势，对复杂问题中的不确定性进行建模与推断，通过使用概率分布来表示权重，而不是单一值，从而在给出预测时同时提供关于这些预测的不确定性信息，即在已知先验概率及条件概率密度的前提下，针对各类事件风险这一不确定性问题，通过样本的统计学习推断条件概率密度函数，并使用贝叶斯算法准则转化为后验概率；该预测预警模型采用贝叶斯神经网络，通过分析历史数据和实时监测数据，处理数据中的不确定性，估计未来事件的发生概率，给出预测结果的置信度； 4利用训练集数据对预测预警模型进行训练，利用验证集数据在模型训练过程中进行参数调优；对预测预警模型进行训练过程中需定义模型参数的先验分布，设计损失函数，采用最大期望算法对贝叶斯神经网络的参数进行实时更新与优化，通过不断迭代计算与参数调整，使模型能够逐步逼近真实的数据分布与事件规律；此外，训练过程中还设置了正则化、随机失活、早停策略以及模型评估与选择机制，通过对不同模型参数的性能对比与评估，为开发者提供优化建议与决策支持，并利用验证集实现自动化的模型调优过程，能够根据实时反馈自动调整模型参数与结构设置，以实现最优的预测效果； 5将测试集数据或实时数据输入至训练好的预测预警模型中进行事件预测，根据模型输出的预测结果进行预警，具体实现方式为：首先对数据进行处理并提取特征，然后将特征输入到训练好的预测预警模型中进行事件预测，进而根据模型输出的预测结果采用不确定性量化的自适应预警机制进行预警，该机制通过分析预测结果的不确定性分布来动态调整预警阈值，且设置多个预警级别，并为每个级别设置相应的阈值范围，这些阈值范围根据历史数据、业务需求和风险承受能力进行设定，当预测结果的置信度或概率分布落入某个阈值范围时，便触发相应级别的预警，预警信息包括事件类型、发生时间、影响范围、严重程度在内的多个维度，并通过短信、邮件、APP推送在内的多种方式通知相关人员； 利用训练好的预测预警模型对实时数据进行事件预测时，采用并行计算技术来加速模型的推理过程，通过分布式计算框架将计算任务分配到多个计算节点上并行执行，同时采用模型压缩技术减少模型参数的数量，通过剪枝技术移除模型中不重要的连接或神经元以简化模型结构减小模型大小。

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杭州码全信息科技有限公司，其通讯地址为：311100 浙江省杭州市临平区南苑街道余之城3幢13层；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”。