Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 广东省水利水电科学研究院高仁强获国家专利权

广东省水利水电科学研究院高仁强获国家专利权

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!

龙图腾网获悉广东省水利水电科学研究院申请的专利一种基于深度学习的闸坝安全监测多要素协同预测预警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:CN121594974B

龙图腾网通过国家知识产权局官网在2026-04-10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:202610120910.6,技术领域涉及:G01D21/02;该发明授权一种基于深度学习的闸坝安全监测多要素协同预测预警方法是由高仁强;孙秀峰;张志腾;陈亮雄设计研发完成,并于2026-01-29向国家知识产权局提交的专利申请。

一种基于深度学习的闸坝安全监测多要素协同预测预警方法在说明书摘要公布了:本发明涉及人工智能和水利工程技术领域,尤其涉及一种基于深度学习的闸坝安全监测多要素协同预测预警方法。该方法包括以下步骤:通过自动化安全监测设施同步采集闸坝的位移、渗压、温度等监测数据,对监测数据进行协同校正处理,并将转化为标准化序列样本;将标准化序列样本截取为源序列与目标序列,构建模型样本库,并划分为训练集与验证集;利用训练集训练预构建的闸坝安全监测多要素协同预测预警模型,利用验证集评估模型的精度,并自动率定模型参数;利用率定的模型执行预测,以提示性预警。本发明能够克服传统安全监测单站建模全局关联与局部依赖缺乏融合、模型预见期短等问题,突破单要素阈值报警局限,提高多要素协同监测预警精度和效率。

本发明授权一种基于深度学习的闸坝安全监测多要素协同预测预警方法在权利要求书中公布了:1.一种基于深度学习的闸坝安全监测多要素协同预测预警方法,其特征在于,包括以下步骤: 步骤S1:通过自动化安全监测设施同步采集闸坝的监测数据,并以监测数据中不少于三年的历史监测数据作为原始资料; 步骤S2:对原始资料进行数据质量协同校正处理,采用滑动窗口技术将协同校正处理后的原始资料转化为标准化序列样本;步骤S2中数据质量协同校正处理包括: 计算原始资料中各测点监测数据的标准差,依据各测点监测值的三倍标准差识别原始资料的异常监测值,并依据异常监测值对应时刻前后时刻的监测值的平均值替换异常监测值; 检测替换异常监测值后原始资料的缺失值,并采用拉格朗日线性插值法对缺失值执行线性插值填充; 对线性插值填充后的原始资料采用指数移动平均法进行平滑去噪,设定相同的起止时间点统一监测数据的时段范围,并将统一时段范围的监测数据执行最大最小值归一化; 步骤S3:按照预设的截取长度将标准化序列样本截取为源序列与目标序列,从而构建模型样本库,并将模型样本库中的序列划分为训练集与验证集; 步骤S4:利用训练集训练预构建的闸坝安全监测多要素协同预测预警模型,利用验证集评估训练后的闸坝安全监测多要素协同预测预警模型的精度,通过自动率定得到的最优模型参数配置优化闸坝安全监测多要素协同预测预警模型;步骤S4中闸坝安全监测多要素协同预测预警模型的构建方法包括: 以Transformer模型为骨架,融入LSTM单元和自相关注意力机制,构建由时序依赖提取模块、编码器模块、时空嵌入模块、解码器模块和全连接模块组成的安全监测预测预警模型; 基于贝叶斯优化理论对安全监测预测预警模型的超参数进行自动率定,从而构建闸坝安全监测多要素协同预测预警模型; 步骤S4中利用训练集训练预构建的闸坝安全监测多要素协同预测预警模型包括: 对训练集中的源序列输入时序依赖提取模块,采用LSTM单元进行时序特征建模,提取源序列的时序依赖特征; 将源序列的时序依赖特征作为编码器模块的输入序列,经过自相关注意力计算和前馈网络传递,得到融合序列的自相关时序特征; 对训练集中的目标序列输入时空嵌入模块进行向量化表达,嵌入时间和位置信息,并作为解码器模块的输入,利用解码器模块对目标序列的向量化表达结果执行自相关注意力计算和前馈网络传递,得到目标序列的自相关注意力输出; 将目标序列的自相关注意力输出作为待预测监测要素查询向量,将融合序列的自相关时序特征作为原始资料中各历史时刻的监测要素时序关联索引向量与各历史时刻对应的多要素响应参考向量,共同输入到解码器模块的互相关注意力层进行互相关注意力计算,以融合时序依赖特征与序列间的全局关联特征; 将解码器模块的输出结果通过全连接模块映射为与监测要素数量对应的目标特征数,从而完成闸坝安全监测多要素协同预测预警模型的训练; 步骤S5:获取各个测点的实时监测数据,并利用优化后的闸坝安全监测多要素协同预测预警模型执行安全监测多要素预测;将各个测点的预测结果与预设的安全监测阈值指标进行比较,以执行提示性预警。

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广东省水利水电科学研究院,其通讯地址为:510000 广东省广州市天河区天寿路101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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。