Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 恭喜中国建设基础设施有限公司;山东大学;中建山东投资有限公司窦松涛获国家专利权

恭喜中国建设基础设施有限公司;山东大学;中建山东投资有限公司窦松涛获国家专利权

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!

龙图腾网恭喜中国建设基础设施有限公司;山东大学;中建山东投资有限公司申请的专利一种基于深度学习的边坡稳定性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:CN119810372B

龙图腾网通过国家知识产权局官网在2025-05-30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:202510299650.9,技术领域涉及:G06T17/20;该发明授权一种基于深度学习的边坡稳定性预测方法是由窦松涛;程金生;王有标;崔新壮;张小宁;田长进;高凯;何贵平;朱洽斌;王蓬;解庆贺;张建立;禚锦鑫;宋文锋设计研发完成,并于2025-03-14向国家知识产权局提交的专利申请。

一种基于深度学习的边坡稳定性预测方法在说明书摘要公布了:本发明属于测量和数据处理技术领域,具体涉及一种基于深度学习的边坡稳定性预测方法,所述方法包括:步骤1:从高精度激光雷达对目标边坡表面进行周期性扫描,得到点云数据;步骤2:根据每个岩体单元对应的坡面区域的地质数据和水文气象数据,计算每个时间的每个岩体单元对应的坡面区域在吸水过程中的膨胀势能;步骤3:将均值输出作为输入量输入到预训练的深度学习自编码器中,结合方差输出,输出潜在变量;计算潜在变量与均值输出的差值,将差值与预设的基本阈值进行比值预算,得到每个岩体单元对应的坡面区域的失稳概率。该方法能够动态响应环境变化,实时提供稳定性评估结果,具有较高的预测精度、实时性和适应性。

本发明授权一种基于深度学习的边坡稳定性预测方法在权利要求书中公布了:1.一种基于深度学习的边坡稳定性预测方法,其特征在于,所述方法包括:步骤1:从高精度激光雷达对目标边坡表面进行周期性扫描,得到点云数据;对点云数据进行点云分割,得到多个岩体单元;在每个岩体单元对应的坡面区域执行以下操作:通过地质调查获得该坡面区域的地质数据,通过气象站记录获得该坡面区域在多个连续时间的水文气象数据;步骤2:根据每个岩体单元对应的坡面区域的地质数据和水文气象数据,计算每个时间的每个岩体单元对应的坡面区域在吸水过程中的膨胀势能;根据膨胀势能,计算每个岩体单元对应的坡面区域在每个时间的体积应变和在各项同性条件下的主应变,并根据体积应变和主应变,计算每个岩体单元对应的坡面区域在每个时间的有效应力,然后计算所有时间的有效应力的均值,得到均值输出;再计算所有时间的有效应力的方差,得到方差输出;步骤3:将均值输出作为输入量输入到预训练的深度学习自编码器中,结合方差输出,输出潜在变量;计算潜在变量与均值输出的差值,将差值与预设的基本阈值进行比值预算,得到每个岩体单元对应的坡面区域的失稳概率;步骤1中从高精度激光雷达对目标边坡表面进行周期性扫描,得到点云数据;对点云数据进行点云分割,得到多个岩体单元的方法包括:通过如下公式,对点云数据中第个点进行自适应滤波: ;其中,为点处的点云密度;为搜索球体内的点数;为搜索球体半径;为点到最近邻点的距离;为高斯分布的标准差;为点处的法向量;为激光雷达视线方向向量;再通过如下公式,判断点的邻点是否属于一个岩体单元: ;其中,为判定值,若,则判断点与其邻点于一个岩体单元;为点与其邻点的欧式距离;为点的邻点处的法向量;为点处的点云密度;为设定的角度阈值;为设定的距离阈值;为设定的密度阈值。

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中国建设基础设施有限公司;山东大学;中建山东投资有限公司,其通讯地址为:100089 北京市海淀区三里河路9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”。

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。