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！

龙图腾网获悉上海天佑工程咨询有限公司申请的专利基于机器学习的冰岩体稳定性预测方法及系统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：CN120086719B 。

龙图腾网通过国家知识产权局官网在2025-07-15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：202510561354.1，技术领域涉及：G06F18/2415；该发明授权基于机器学习的冰岩体稳定性预测方法及系统是由杨三春;魏明东;周委;朱加加;霍红星;李均;周佳;罗德强设计研发完成，并于2025-04-30向国家知识产权局提交的专利申请。

本基于机器学习的冰岩体稳定性预测方法及系统在说明书摘要公布了：本发明提供一种基于机器学习的冰岩体稳定性预测方法及系统，涉及机器学习技术领域，首先获取目标区域包含冰岩体分布、地质构造及环境监测参数的地质数据集合，接着对其进行特征融合处理，得到涵盖冰岩体结构、地质应力和环境动态特征的冰岩特征集合，基于此冰岩特征集合，利用多层神经网络构建并训练冰岩稳定性预测模型，实时输入监测数据时，调用训练好的冰岩稳定性预测模型生成目标区域的实时稳定性预测结果，最后依据该实时稳定性预测结果输出稳定性告警信号或优化加固建议参数，从而能够综合多类参数，实现对冰岩体稳定性的精准预测并给出应对措施。

本发明授权基于机器学习的冰岩体稳定性预测方法及系统在权利要求书中公布了：1.一种基于机器学习的冰岩体稳定性预测方法，其特征在于，所述方法包括： 获取目标区域的地质数据集合，所述地质数据集合包括冰岩体分布参数、地质构造参数以及环境监测参数； 对所述地质数据集合进行特征融合处理，得到冰岩特征集合，所述冰岩特征集合包含冰岩体结构特征、地质应力特征和环境动态特征； 基于所述冰岩特征集合训练冰岩稳定性预测模型，所述冰岩稳定性预测模型通过多层神经网络构建； 响应于实时输入的监测数据，调用训练完成的所述冰岩稳定性预测模型，生成所述目标区域的实时稳定性预测结果； 根据所述实时稳定性预测结果输出稳定性告警信号或优化加固建议参数； 所述地质数据集合中的冰岩体分布参数包括冰层厚度分布数据、岩石孔隙率数据及裂缝密度数据，所述地质构造参数包括地层倾角数据、断层走向数据及岩层抗压强度数据，所述环境监测参数包括温度变化率数据、湿度波动数据及地表振动频率数据；所述对所述地质数据集合进行特征融合处理，得到冰岩特征集合，包括： 提取所述冰层厚度分布数据中的空间梯度特征，并将所述空间梯度特征与所述地层倾角数据进行方向对齐，生成第一融合特征； 对所述岩石孔隙率数据与所述裂缝密度数据进行加权叠加，生成第二融合特征； 将所述温度变化率数据与所述地表振动频率数据进行时序关联分析，生成第三融合特征； 将所述第一融合特征、第二融合特征及第三融合特征进行跨维度拼接，生成所述冰岩体结构特征； 提取所述岩层抗压强度数据的动态衰减特征，并将所述动态衰减特征与所述湿度波动数据进行非线性映射，生成所述地质应力特征； 对所述断层走向数据与所述地层倾角数据进行拓扑关系建模，生成第四融合特征，并将所述第四融合特征与所述第三融合特征进行联合编码，生成所述环境动态特征； 所述基于所述冰岩特征集合训练冰岩稳定性预测模型，包括： 构建包含冰岩体结构特征输入层、地质应力特征输入层及环境动态特征输入层的多任务学习框架，其中，所述多任务学习框架包括稳定性分类任务和应力变化回归任务； 将所述冰岩体结构特征输入至所述冰岩体结构特征输入层，生成第一隐藏特征向量； 将所述地质应力特征输入至所述地质应力特征输入层，并通过卷积核提取局部应力梯度，生成第二隐藏特征向量； 将所述环境动态特征输入至所述环境动态特征输入层，并通过时间序列网络提取动态变化趋势，生成第三隐藏特征向量； 将所述第一隐藏特征向量、第二隐藏特征向量及第三隐藏特征向量进行交叉注意力融合，生成联合特征向量； 将所述联合特征向量分别输入至所述稳定性分类任务的全连接层和所述应力变化回归任务的全连接层，生成稳定性概率分布参数及应力变化预测值； 基于所述稳定性概率分布参数与标注稳定性标签的交叉熵损失，以及所述应力变化预测值与实测应力数据的均方误差损失，对所述多任务学习框架的参数进行联合优化，得到训练完成的所述冰岩稳定性预测模型。

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上海天佑工程咨询有限公司，其通讯地址为：200092 上海市杨浦区赤峰路65号(同济科技园大楼709室)；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”。