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！

龙图腾网获悉湖南苏科智能科技有限公司申请的专利基于多模态数据的滑坡隐患点土地沉降预测方法和装置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：CN120929781B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202511462036.6，技术领域涉及：G06F18/20；该发明授权基于多模态数据的滑坡隐患点土地沉降预测方法和装置是由邓意麒;蔡晗潇设计研发完成，并于2025-10-14向国家知识产权局提交的专利申请。

本基于多模态数据的滑坡隐患点土地沉降预测方法和装置在说明书摘要公布了：本申请涉及了基于多模态数据的滑坡隐患点土地沉降预测方法和装置，本方法考虑了对土地沉降影响较大的多种物理因素，首先将众多物理因素的模态数据按照变化、时间、参数类型等趋势分为了静态数据、时变连续数据和未来可预测数据，通过神经网络对各类数据进行特征提取，可以捕捉不同模态数据之间的复杂非线性关系；然后利用静态数据的静态特征，对未来可预测数据的未来可预测特征以及对时变连续数据的时变特征进行特征增强，最后使用多头注意力机制整合时变特征和未来可预测特征，以根据整合的特征预测降雨型滑坡隐患点的土地沉降状态，能够提升滑坡隐患点土地沉降状态预测的准确度。

本发明授权基于多模态数据的滑坡隐患点土地沉降预测方法和装置在权利要求书中公布了：1.一种基于多模态数据的滑坡隐患点土地沉降预测方法，其特征在于，所述方法包括： 响应于降雨型滑坡隐患点的土地沉降预测信号，获取降雨型滑坡隐患点的多模态数据； 将所述多模态数据中的每一模态数据划分为第一静态数据、第二静态数据、时变连续数据以及未来可预测数据中的至少一种；所述第一静态数据为不随时间变化的文本型模态数据，或随时间变化且变化波动小于第一阈值的文本型模态数据，所述第二静态数据为不随时间变化的数值型模态数据，或随时间变化且变化波动小于所述第一阈值的数值型模态数据，所述时变连续数据为随时间连续变化的模态数据，所述未来可预测数据为可在未来一段时间内进行数值预测的模态数据； 将所述第一静态数据和所述第二静态数据输入至第一神经网络中，以得到所述第一静态数据和所述第二静态数据的静态特征；将所述静态特征输入至第四门控GRN网络，得到输出所述静态特征的第一上下文特征；将所述时变连续数据和所述静态特征输入至第二神经网络中，以得到通过所述静态特征增强后的所述时变连续数据的时变特征；将所述未来可预测数据和所述静态特征输入至第三神经网络中，以得到通过所述静态特征增强后的所述未来可预测数据的未来可预测特征；所述第二神经网络为第二门控GRN网络；所述第三神经网络为第三门控GRN网络； 根据多头注意力机制整合所述时变特征和所述未来可预测特征，得到所述多头注意力机制输出的注意力矩阵，并根据所述注意力矩阵预测所述降雨型滑坡隐患点的土地沉降状态； 将所述时变连续数据和所述静态特征输入至第二神经网络中，以得到通过所述静态特征增强后的所述时变连续数据的时变特征，包括： 根据所述第二门控GRN网络的门控机制将所述第一上下文特征和所述时变连续数据融合，得到第一融合特征； 根据所述第二门控GRN网络的门控线性单元和层归一化单元，提取所述第一融合特征的扁平化特征； 根据所述第二门控GRN网络的指数线性激活函数，确定所述第一融合特征的扁平化特征对应的重要性权重； 根据所述第一融合特征的扁平化特征及其对应的重要性权重进行加权求和，得到加权求和特征； 根据所述加权求和特征，得到通过所述静态特征增强后的所述时变连续数据的时变特征； 所述将所述未来可预测数据和所述静态特征输入至第三神经网络中，以得到通过所述静态特征增强后的所述未来可预测数据的未来可预测特征，包括： 根据所述第三门控GRN网络的门控机制将所述第一上下文特征和所述未来可预测数据融合，得到第二融合特征； 根据所述第三门控GRN网络的门控线性单元和层归一化单元，提取所述第二融合特征的扁平化特征； 根据所述第三门控GRN网络的指数线性激活函数，确定所述第二融合特征的扁平化特征对应的重要性权重； 根据所述第二融合特征的扁平化特征及其对应的重要性权重进行加权求和，得到加权求和特征； 根据所述加权求和特征，得到通过所述静态特征增强后的所述未来可预测数据的未来可预测特征。

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苏科智能科技有限公司，其通讯地址为：410205 湖南省长沙市湘江新区青山路军民融合产业园3栋7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。