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！

龙图腾网获悉成都理工大学申请的专利一种基于联邦学习和UNet的滑坡易发性评价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：CN121032760B 。

龙图腾网通过国家知识产权局官网在2026-02-17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：202511565638.4，技术领域涉及：G06Q50/26；该发明授权一种基于联邦学习和UNet的滑坡易发性评价方法是由钟豪;曹壹权;范宣梅;唐小川;刘杰;夏明垚设计研发完成，并于2025-10-30向国家知识产权局提交的专利申请。

本一种基于联邦学习和UNet的滑坡易发性评价方法在说明书摘要公布了：本发明涉及地质灾害风险分析技术领域，具体涉及一种基于联邦学习和UNet的滑坡易发性评价方法，包括以下步骤：S1，获取滑坡影响因子数据：收集多个滑坡影响因子数据；S2，建立联邦学习框架：建立联邦学习框架；S3，设计UNet深度学习模型：特征提取与分割；S4，联邦学习模型训练与参数整合：更新全局基于UNet的深度学习模型；S5，联邦学习迭代与模型优化：优化基于UNet的深度学习模型参数；S6，生成滑坡易发性特征图与概率回归：输出滑坡易发性评价结果；S7，结果验证与防灾减灾建议：提供滑坡风险预警和防灾减灾建议；本发明，能够实现更高效、更精准的滑坡易发性评估，并能及时更新模型，以应对新的数据变化。

本发明授权一种基于联邦学习和UNet的滑坡易发性评价方法在权利要求书中公布了：1.一种基于联邦学习和UNet的滑坡易发性评价方法，其特征在于，包括以下步骤： S1，获取滑坡影响因子数据：收集多个滑坡影响因子数据，并提取滑坡易发性区域的多个影响因子层数据； S2，建立联邦学习框架：在多个数据持有方之间建立联邦学习框架； S3，设计UNet深度学习模型：设计基于UNet的深度学习模型，用于滑坡易发性评价，并将影响因子层数据输入模型进行特征提取与分割； S4，联邦学习模型训练与参数整合：在联邦学习框架下，通过滑坡样本数据集训练基于UNet的深度学习模型，通过联邦平均算法整合模型参数，更新全局基于UNet的深度学习模型； S5，联邦学习迭代与模型优化：通过多轮联邦学习迭代，优化基于UNet的深度学习模型参数； S6，生成滑坡易发性特征图与概率回归：应用优化后的基于UNet的深度学习模型生成滑坡易发性区域的特征图，使用Sigmoid层进行概率回归处理，输出滑坡易发性评价结果； 具体包括： S61，UNet模型的优化与应用：应用优化后的基于UNet的深度学习模型对滑坡易发性区域进行预测，通过多层卷积和操作提取滑坡区域的特征； S62，生成特征图：根据输入数据，生成滑坡易发性区域的特征图，其中表示空间坐标； S63，概率回归：将生成的特征图通过Sigmoid层进行处理，计算每个像素点属于滑坡易发性各级别的概率，输出滑坡易发性评价结果，表示为： ； 其中，表示坐标处发生滑坡的概率，为特征图在该位置的值； S64，计算滑坡易发性：通过Sigmoid层计算得到的概率结果，预测每个像素点在图像中对应的滑坡发生的概率值，从而生成滑坡易发性图； S7，结果验证与防灾减灾建议：验证与评估滑坡易发性评价结果，并根据评价结果提供滑坡风险预警和防灾减灾建议。

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成都理工大学，其通讯地址为：610059 四川省成都市成华区二仙桥东三路1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。