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！

龙图腾网获悉湖州市城市投资发展集团有限公司申请的专利基于AO优化的CNN-BiLSTM-Attention的建筑结构健康监测缺失数据修复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：CN120372157B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202510439803.5，技术领域涉及：G06F18/10；该发明授权基于AO优化的CNN-BiLSTM-Attention的建筑结构健康监测缺失数据修复方法是由翁志海;陈昊;周文杰;徐鸿昌;周烨;万华平设计研发完成，并于2025-04-08向国家知识产权局提交的专利申请。

本基于AO优化的CNN-BiLSTM-Attention的建筑结构健康监测缺失数据修复方法在说明书摘要公布了：基于AO优化的CNN‑BiLSTM‑Attention的建筑结构健康监测缺失数据修复方法，有效捕获结构健康监测数据的时空特征，实现高精度结构健康监测缺失数据修复。具体实施流程如下：A.预采集与预处理结构健康监测完整数据，构建训练与验证数据集；B.构建CNN‑SE框架提取监测数据空间特征；C.构建BiLSTM‑TA框架提取监测数据时间特征；D.构建CNN‑BiLSTM‑Attention模型，采用AO算法优化模型超参数；E.输入正常传感器采集的数据，修复故障传感器缺失数据。本发明公开的方法能够实现结构健康监测缺失数据的高精度修复，为结构状态诊断和预测提供支持。

本发明授权基于AO优化的CNN-BiLSTM-Attention的建筑结构健康监测缺失数据修复方法在权利要求书中公布了：1.基于AO优化的CNN-BiLSTM-Attention的建筑结构健康监测缺失数据修复方法，包括如下步骤： A.预采集与预处理结构健康监测完整数据，构建训练集与验证数据集； B.构建CNN-SE框架提取监测数据空间特征，具体包括： B1.设置包含两个卷积层的CNN网络，每个卷积层后使用ReLU激活函数，得到监测数据的卷积特征映射，并将这些特征映射传递至点积层； B2.经过第一个卷积操作后，SE注意力机制首先对每个通道的特征进行全局平均池化，以获得通道全局特征的统计信息，可以表示为： 式中：H和W分别表示特征的宽度和高度；uc为输入数据；zc为输出值； B3.SE注意力机制将zc输入到全连接层中，经过ReLU激活函数处理后，再进入另一个全连接层，通过sigmoid函数激活，获得各通道的权重值SSE，将各通道的权重值传递至点积层，可以表示为： SSE＝σW2δW1z2 式中：W1和W2分别表示两个全连接层的权重；SSE为输出值；δ为ReLU函数；σ为sigmoid函数； B4.生成的通道权重SSE与第二个卷积层特征映射逐通道进行点积操作，实现不同通道的自适应加权，并通过flatten层展平为向量，传递给后续BiLSTM层； C.构建BiLSTM-TA框架提取监测数据时间特征，具体包括： C1.建立第一个BiLSTM层，为每个时间步生成隐藏状态，并传递给点积层； C2.数据经过第一个BiLSTM层后，TA注意力机制采用全连接层和tanh函数对输入数据进行非线性映射，将映射结果转化为注意力得分，可以表示为： 式中：et为注意力得分；W3为权重矩阵；v为权重向量；ht为第t个时间步的隐藏状态；b为偏置向量； C3.通过softmax函数对注意力得分进行归一化处理，得到每个时间步的注意力权重，并传递给点积层，可以表示为： 式中：αt为第t个时间步的注意力权重； C4.每个时间步的隐藏状态与注意力权重αt进行点积操作，得到经过加权的时间信息，再经过第二个BiLSTM层、全连接层和回归层处理，输出模型的最终预测结果； D.构建CNN-BiLSTM-Attention模型，采用天鹰优化算法AO优化模型超参数； E.输入正常传感器采集的数据，修复故障传感器缺失数据。

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州市城市投资发展集团有限公司，其通讯地址为：313000 浙江省湖州市吴兴区仁皇山街道仁皇山路501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。