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！

龙图腾网获悉河海大学申请的专利一种导墙时空振动趋势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：CN119180218B 。

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：202411641203.9，技术领域涉及：G06F30/27；该发明授权一种导墙时空振动趋势预测方法是由王硕;张燎军;尹国江设计研发完成，并于2024-11-18向国家知识产权局提交的专利申请。

本一种导墙时空振动趋势预测方法在说明书摘要公布了：本发明公开了时间序列预测技术领域的一种导墙时空振动趋势预测方法，包括将与导墙横河向振动响应特征相关性超过阈值的数据，输入CNN‑BiLSTM‑CBAM模型，得到导墙横河向振动模态分量预测值；将导墙横河向振动模态分量预测值相加，得到导墙横河向预测振动信号，所述CNN‑BiLSTM‑CBAM模型输入特征为与导墙横河向振动响应特征相关性超过阈值的数据，输出特征为导墙横河向振动响应数据经过分解得到的多个模态分量。本发明将导墙时空振动响应数据分解为多个模态分量，降低了导墙振动数据的复杂性，基于时空振动数据和导墙横河向振动模态分量得到导墙横河向预测振动信号，解决了导墙振动时空振动趋势预测精度不准确的问题。

本发明授权一种导墙时空振动趋势预测方法在权利要求书中公布了：1.一种导墙时空振动趋势预测方法，其特征在于，包括：采集泄洪期间导墙及导墙邻近区域的时空振动数据；获取时空振动数据中的导墙横河向振动响应特征；确定与导墙横河向振动响应特征的相关性超过设定阈值的时空振动数据，并依次将所确定的时空振动数据输入预先训练好的CNN-BiLSTM-CBAM模型；利用所述CNN-BiLSTM-CBAM模型的卷积神经网络CNN，对所输入的时空振动数据进行卷积和池化，得到时空特征；利用所述CNN-BiLSTM-CBAM模型的卷积块注意力模块CBAM，关注所述时空特征的通道和空间维度得到数据特征，将所述数据特征进行重新组装拟合，得到第一预测值；利用所述CNN-BiLSTM-CBAM模型的双向长短期记忆BiLSTM网络，捕捉与所输入的时空振动数据具有双向长期依赖关系的输出结果，得到第二预测值；利用所述CNN-BiLSTM-CBAM模型的拼接层拼接所述第一预测值和所述第二预测值，得到多个导墙横河向振动模态分量预测值；将所述多个导墙横河向振动模态分量预测值相加，得到导墙横河向预测振动信号；基于导墙横河向预测振动信号预测导墙时空振动趋势；其中，所述导墙横河向振动响应特征包括导墙横河向加速度振动响应；所述确定与导墙横河向振动响应特征的相关性超过设定阈值的时空振动数据，包括：将时空振动数据中的导墙横河向加速度振动响应序列作为第二特征，其余加速度振动响应序列作为第一特征；将第一特征与第二特征组成有序对集合，使每个有序对包含一个第一特征值和一个对应的第二特征值；其中，第一特征值指第一特征的最大互信息系数值；第二特征值指第二特征的最大互信息系数值；在二维平面上，以第一特征为轴，第二特征为轴，构建特征空间；沿轴方向将特征空间分割成个等宽的区间，沿轴方向将特征空间分割成个等高的区间，形成的网格；根据有序对集合中的点落在网格的每个网格内的数量，得到第一特征和第二特征的互信息估计值；根据第一特征和第二特征的互信息估计值，利用最大互信息系数算法，计算每一对第一特征和第二特征的最大互信息系数值，用于表征所述相关性；将与第二特征的最大互信息系数值超过设定阈值的第一特征，作为与导墙横河向振动响应特征相关性超过设定阈值的时空振动数据。

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河海大学，其通讯地址为：210024 江苏省南京市鼓楼区西康路一号；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”。