Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 南通大学叶昱辰获国家专利权

南通大学叶昱辰获国家专利权

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!

龙图腾网获悉南通大学申请的专利基于大数据的建设成本分析系统及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:CN120975828B

龙图腾网通过国家知识产权局官网在2025-12-30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:202511508400.8,技术领域涉及:G06Q30/0201;该发明授权基于大数据的建设成本分析系统及方法是由叶昱辰;曹宇;谭雪怡;陆秋;陈磊;杨杰;陈敏设计研发完成,并于2025-10-22向国家知识产权局提交的专利申请。

基于大数据的建设成本分析系统及方法在说明书摘要公布了:本发明涉及工程建设领域,特别是基于大数据的建设成本分析系统及方法。通过获取系统中的多模态建设数据,对多模态建设数据依次进行数据预处理和标准化,对初始多模态建设数据中的文本和数值进行对齐,将对齐后的文本数值数据和图像时空数据构建知识图谱,将LSTM‑GRU混合网络和HMM隐马尔可夫模型进行连接,建立建设成本预测模型,在模型中添加时空注意力机制,将特征多模态建设数据输入至模型中进行预测,通过PPO算法迭代模型的训练,基于最小成本路径和风险预案库对建设工程中的物料和人力进行统一调度管理。可动态聚焦关键时空区域,使预测结果的空间分辨率提高至标段级,为精准调度提供依据。

本发明授权基于大数据的建设成本分析系统及方法在权利要求书中公布了:1.基于大数据的建设成本分析系统,其特征在于,所述建设成本分析系统包括以下模块: 建设数据获取模块,用于获取系统中的多模态建设数据,对所述多模态建设数据依次进行数据预处理和标准化,得到初始多模态建设数据; 特征数据对齐模块,用于对所述初始多模态建设数据中的文本和数值进行对齐,并对图像和时空进行对齐,将对齐后的文本数值数据和图像时空数据构建知识图谱,得到特征多模态建设数据; 预测模型构建模块,用于将LSTM-GRU混合网络和HMM隐马尔可夫模型进行连接,建立LSTM-GRU-HMM建设成本预测模型,在所述模型中添加时空注意力机制,得到目标LSTM-GRU-HMM建设成本预测模型; 所述预测模型构建模块包括以下子模块: 连接子模块,用于将LSTM-GRU混合网络和HMM隐马尔可夫模型进行连接,获取系统中的历史建设数据的特征向量; 提取子模块,用于利用LSTM层提取所述特征向量的长期依赖特征,输出第一隐藏状态,利用GRU层学习所述特征向量的短期波动模式,输出第二隐藏状态; 拼接子模块,用于将所述第一隐藏状态和第二隐藏状态拼接为混合特征,得到初始建设特征数据; 定义所述历史建设数据中市场政策阶段为HMM隐马尔可夫模型的隐状态,则模型的状态转移矩阵如下: ; 其中,表示从状态转移到状态的概率,表示时刻的隐状态; 生成子模块,用于利用所述初始建设特征数据生成观测概率分布,得到HMM隐马尔可夫模型的观测概率: ; ; 其中,表示观测向量,表示状态生成观测向量的概率,表示初始建设特征数据,表示激活函数,表示权重矩阵,表示偏置; 计算子模块,用于求解模型中的最优状态序列,得到宏观建设态标签序列数据; 所述预测模型构建模块包括以下单元: 注意力机制添加单元,用于在所述LSTM-GRU-HMM建设成本预测模型中添加时空注意力机制,利用所述时空注意力机制动态分配宏观建设态标签序列数据中不同区域与施工阶段的成本权重; 预测权重单元,用于利用时间注意力机制计算所述宏观建设态标签序列数据中历史时间步对当前预测的重要性权重; ; ; 其中,表示注意力机制中的打分函数输出,表示时间注意力机制中的权重矩阵,对拼接后的特征进行线性变换,表示宏观建设态标签序列数据,表示当前时刻的特征,表示时间注意力机制中的偏置项; 权重计算单元,用于利用空间注意力根据所述宏观建设态标签序列数据中的区域特征计算空间权重; ; 其中,代表空间区域的索引,是空间区域的总数,表示第个空间区域的能量值; 模型得到单元,用于将注意力权重与混合特征结合生成最终预测输入,训练完成得到目标LSTM-GRU-HMM建设成本预测模型; 成本风险预测模块,用于将所述特征多模态建设数据输入至所述目标LSTM-GRU-HMM建设成本预测模型中进行预测,通过PPO迭代模型的训练,生成帕累托最优解集,得到最小成本路径和风险预案库; 所述成本风险预测模块包括以下单元: 将所述特征多模态建设数据输入至所述目标LSTM-GRU-HMM建设成本预测模型中进行预测; 通过PPO迭代模型的训练,生成帕累托最优解集,所述PPO的优化至少包括策略网络,用于输出动作概率分布;价值网络,用于评估状态价值; 重要性采样比率为: ; 裁剪目标函数: ; 其中,表示优势函数,表示即时奖励,表示折扣因子,表示裁剪阈值,表示旧策略下动作概率分布,表示动作,表示状态,表示期望,表示当前策略,表示旧策略; 定义帕累托支配关系,通过调整权重生成多样性解集,筛选非支配解构成帕累托前沿,得到最小成本路径和风险预案库; 人力物资调度模块,用于基于所述最小成本路径和风险预案库对建设工程中的物料和人力进行统一调度管理。

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南通大学,其通讯地址为:226000 江苏省南通市崇川区永福路79号1幢南通大学技术转移研究院;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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。