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！

龙图腾网恭喜长安大学申请的专利一种滑坡地表变形影响因素权重的计算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：CN115048866B 。

龙图腾网通过国家知识产权局官网在2025-05-13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：202210686251.4，技术领域涉及：G06F30/27；该发明授权一种滑坡地表变形影响因素权重的计算方法是由黄达;何俊;郭子正;彭建兵;杨玉飞设计研发完成，并于2022-06-16向国家知识产权局提交的专利申请。

本一种滑坡地表变形影响因素权重的计算方法在说明书摘要公布了：本发明提供了一种滑坡地表变形影响因素权重的计算方法，属于工程地质技术领域，解决了由滑坡影响因素对位移的贡献相同进行滑坡位移预测从而造成结果不准确性这一技术问题。构建基于注意力的LSTM模型，包括：两个LSTM模型，将这些外部因素的时间序列数据输入基于注意力的LSTM模型用于模型的训练，最终得到滑坡的位移预测模型；基于注意力的LSTM模型输出不同外部因素的权重并判断不同的外部因素对于滑坡位移的影响，从而实现滑坡位移的有效预测。本发明根据历史监测数据能计算出各种外部因素在滑坡位移预测中所占的权重，然后根据权重大小判断出各种因素对滑坡位移预测的影响程度，最后能有效地进行滑坡位移预测。

本发明授权一种滑坡地表变形影响因素权重的计算方法在权利要求书中公布了：1.一种滑坡地表变形影响因素权重的计算方法，其特征在于，该计算方法包括以下步骤：S1、按相同采样时间和采样间距收集当前滑坡位移和影响滑坡变形的外部因素的历史数据；采样间距即为时间步，设定时间分割步长，按设定的时间分割步长分割历史数据生成滑坡位移预测的样本数据集，样本数据集中的样本用X表示标签为对应的滑坡位移，一个样本中包含S个小样本，对应S个时刻，每个小样本的数据为外部因素，对样本数据集进行标准化处理，并划分数据集为训练集和验证集；S2、构建基于注意力的LSTM模型所述基于注意力的LSTM模型包括第一LSTM模型、第二LSTM模型、全连接层，具体的模型架构为：所述第一LSTM模型具有S个LSTM单元，相邻两个LSTM单元之间连接一个因子注意力模块，最后一个LSTM单元的输出即为第一LSTM模型的输出，第一LSTM模型的输出作为第二LSTM模型的输入，第二LSTM模型的隐藏层连接时间注意力模块，经过时间注意力模块处理后对第二LSTM模型的隐藏层的状态进行更新，进而获得第二LSTM模型的输出，第二LSTM模型的输出连接一个全连接层，该全连接层的输出为滑坡位移数据，同时将第一LSTM模型中每个因子注意力模块计算的s时刻因子的权重αs作为输出；所述因子注意力模块包括三个全连接层和两个激活函数，即第一全连接层、第二全连接层、第三全连接层、tanh激活函数、Softmax激活函数，第一LSTM模型中任意s时刻的因子注意力模块的计算方式是：上一时刻s-1LSTM单元输出的隐藏层状态hs-1和细胞状态cs-1输入到因子注意力模块中的第二全连接层，第s时刻的M个外部因子数据输入到第一全连接层，最终将第一、第二全连接层的输出通过tanh激活函数处理后作为第三全连接层的输入，第三全连接层的输出经softmax激活函处理后为第s时刻因子注意力模块的因子权重，并与xs相乘之后作为第一LSTM模型中第s时刻LSTM单元的输入；S3、利用训练集中的数据对步骤S2中基于注意力的LSTM模型的参数进行训练，获得滑坡位移预测模型；S4、将待计算滑坡区域的影响滑坡变形的外部因素经步骤S1的方式处理后，获得按设定时间分割步长分割的若干样本，将若干样本输入到步骤S3获得的滑坡位移预测模型中，则输出滑坡的位移预测结果，同时能够输出该区域的不同外部因素对滑坡变形影响的权重。

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长安大学，其通讯地址为：710064 陕西省西安市雁塔区南二环中段126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”。