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！

龙图腾网获悉华东交通大学申请的专利一种融合路龄感知与物理约束的路面状况衰变预测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：CN121167216B 。

龙图腾网通过国家知识产权局官网在2026-01-27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：202511704926.3，技术领域涉及：G06F18/20；该发明授权一种融合路龄感知与物理约束的路面状况衰变预测方法是由肖烽;宋前宏;宋亮;高杰;陈华鹏;聂彪设计研发完成，并于2025-11-20向国家知识产权局提交的专利申请。

本一种融合路龄感知与物理约束的路面状况衰变预测方法在说明书摘要公布了：本发明属于路面状况数据预测技术领域，具体涉及一种融合路龄感知与物理约束的路面状况衰变预测方法，采集未养护路段的路面管理数据，并对路面管理数据进行多源特征预处理，得到路面特征向量；在Transformer模型的基础上引入物理信息约束模块，物理信息约束模块通过路面状况衰减方程和区间约束为Transformer模型引入物理规律，从而构建并训练物理信息Transformer模型，用于路面状况衰变预测；引入SHAP可解释性框架对所述最优物理信息Transformer模型进行可解释性分析。本发明可确保路面状况预测符合物理规律且可解释性清晰。

本发明授权一种融合路龄感知与物理约束的路面状况衰变预测方法在权利要求书中公布了：1.一种融合路龄感知与物理约束的路面状况衰变预测方法，其特征在于，包括以下步骤： S1、采集未养护路段的路面管理数据，并对路面管理数据进行多源特征预处理，得到路面特征向量，所有路面管理数据处理得到不同路面特征向量构成数据集； S2、在Transformer模型的基础上引入物理信息约束模块，物理信息约束模块通过路面状况衰减方程和区间约束为Transformer模型引入物理规律，从而构建物理信息Transformer模型；数据集划分为训练集和测试集，通过训练集对物理信息Transformer模型进行训练得到最优超参数，使用测试集进行测试验证，验证合格，得到用于路面状况衰变预测的最优物理信息Transformer模型； S3、引入SHAP可解释性框架对所述最优物理信息Transformer模型进行可解释性分析； 所述物理信息Transformer模型包括： 输入投影层：采用全连接网络，将多源特征预处理得到的路面特征向量映射至Transformer模型维度，得到映射后的路面特征向量； 物理引导路龄位置编码层：进行路龄感知位置编码得到路龄位置编码向量，将路龄位置编码向量与映射后的路面特征向量进行特征融合得到融合路龄信息的路面特征向量； Transformer编码器：由2个编码器层堆叠而成，每个编码器层包含多头自注意力和前馈网络，多头自注意力处理后进行残差连接和归一化，前馈网络处理后也进行残差连接和归一化，然后再输出至下一阶段； 输出层：将Transformer编码器提取的特征映射为标准化路面状况指数PCI预测值，并通过反标准化还原为原始尺度预测值，同时引入物理信息约束； 物理信息约束模块：物理信息约束模块通过路面状况衰减方程和区间约束为Transformer模型引入物理规律； 通过复合损失函数协同优化Transformer模型参数与物理约束相关的可学习参数，使物理信息Transformer模型既拟合数据又遵循物理规律，所述复合损失函数由数据拟合损失、物理规律约束损失、偏差上限惩罚损失组成，公式为： ； 其中，为物理规律约束损失权重；为偏差上限惩罚损失权重，由区间约束确定；根据Transformer模型的预测值真实值之间的均方误差计算；根据路面状况衰减方程预测值与真实值之间的均方误差计算。

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华东交通大学，其通讯地址为：330013 江西省南昌市经济技术开发区双港东大街808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。