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！

龙图腾网获悉中国科学院西北生态环境资源研究院申请的专利一种用于季节性冻土区路基工程冻胀破坏风险评估方法、装置及设备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：CN119918946B 。

龙图腾网通过国家知识产权局官网在2026-01-02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：202510346772.9，技术领域涉及：G06Q10/0635；该发明授权一种用于季节性冻土区路基工程冻胀破坏风险评估方法、装置及设备是由邰博文;马春清;岳祖润;周志伟;亓守臣设计研发完成，并于2025-03-24向国家知识产权局提交的专利申请。

本一种用于季节性冻土区路基工程冻胀破坏风险评估方法、装置及设备在说明书摘要公布了：一种用于季节性冻土区路基工程冻胀破坏风险评估方法、装置及设备，包括步骤如下：步骤一，获取不同类型的环境数据，对获取的数据进行预处理，并将经过预处理后的数据生成适用于深度学习模型输入的特征集；步骤二，利用自适应数据融合方法和图神经网络将不同来源的数据转化为适合深度学习模型输入的时空特征；步骤三，深度学习模型的设计与优化；步骤四，主动学习机制的引入和模型更新；步骤五，风险评估与自动化预警：将深度学习模型的预测结果与设定的多级安全阈值进行比较，生成多级风险预警报告，并提供可视化决策支持。本发明解决了传统的技术中铁路路基冻胀监测和预警的实时性差、预测精度低和缺乏物理一致性的技术问题。

本发明授权一种用于季节性冻土区路基工程冻胀破坏风险评估方法、装置及设备在权利要求书中公布了：1.一种用于季节性冻土区路基工程冻胀破坏风险评估方法，其特征在于，包括步骤如下： 步骤一，获取不同类型的环境数据，对获取的数据进行预处理，并将经过预处理后的数据生成适用于深度学习模型输入的特征集； 步骤二，利用自适应数据融合方法和图神经网络将不同来源的数据转化为适合深度学习模型输入的时空特征；不同来源的数据包括步骤一中获取的原始数据和生成的特征集，不同来源的数据将通过自适应数据融合方法和图神经网络进行处理，生成空间和时间特征，从而捕捉地形、气象和环境条件对冻胀特征的复杂影响； 自适应数据融合方法处理数据的具体方法为：根据数据源之间的相关性，动态调整数据融合的权重，以确保不同数据类型在融合过程中贡献不同的重要性； 提取具有空间相关性的特征：利用图神经网络捕捉多源数据的空间依赖关系，将每个地理位置上的数据点建模为模型图中的节点；节点之间通过边进行连接，表示相邻地点之间的空间依赖关系；然后通过图神经网络传播节点信息，捕捉到不同地形及相邻区域间的相互影响，提取具有空间相关性的特征； 时间序列特征构建：通过历史数据捕捉气象、地温和土壤湿度的时间变化趋势； 捕捉数据的短期依赖关系和长期依赖关系，生成反映时间动态变化的特征； 时空特征融合：将通过图神经网络生成的空间特征和通过时间序列模型生成的时间序列特征融合为统一的特征集； 步骤三，深度学习模型的设计与优化：构建融合卷积神经网络、长短期记忆网络、Transformer和注意力机制的多任务学习模型，通过在深度学习模型加入热传导方程和水分迁移方程物理约束，并设计自适应损失函数，以保证深度学习模型的物理一致性； 热传导方程：其中，T是温度；t是时间；c是土体的比热容；k是导热系数，在冻土中导热系数是温度的函数，冻土和未冻土的导热系数不同；表示热通量的散度，即热传导项；L是水的潜热，单位：Jkg，表示相变过程中的热量交换；θi是冰的体积含量； 水分迁移方程： 其中：θw是土体中液态水的体积含量；θi是土体中冰的体积含量；Dw是水分扩散系数，表示液态水在土壤中的扩散能力；KT是与温度梯度相关的水分迁移系数，表示由于温度梯度引起的水分迁移； 步骤四，主动学习机制的引入和模型更新：选择最有价值的数据样本进行标注和训练，动态优化模型参数，使模型能够适应不同气候和地质条件下的环境变化，提高模型预测精度和时效性； 步骤五，风险评估与自动化预警：将深度学习模型的预测结果与设定的多级安全阈值进行比较，生成多级风险预警报告，并提供可视化决策支持。

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科学院西北生态环境资源研究院，其通讯地址为：730000 甘肃省兰州市城关区东岗西路320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。