買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉成都理工大學申請的專利基于整治工程進度的滑坡災害風險動態評估方法及系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN120338512B 。

龍圖騰網通過國家知識產權局官網在2025-08-15發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510787357.7，技術領域涉及：G06Q10/0635；該發明授權基于整治工程進度的滑坡災害風險動態評估方法及系統是由李明洋;敖儀斌;彭攀宇;趙建軍設計研發完成，并于2025-06-13向國家知識產權局提交的專利申請。

本基于整治工程進度的滑坡災害風險動態評估方法及系統在說明書摘要公布了：本發明公開了一種基于整治工程進度的滑坡災害風險動態評估方法及系統，其涉及自然災害處理技術領域。本發明通過整合多源異構數據、實時動態評估以及機器學習模型，實現了對滑坡災害風險的精準、動態評估，提升了評估精度和穩定性，還增強了決策的時效性和針對性；在SPY算法中引入特征擾動穩定性機制，構建一種更具魯棒性和辨別力的偽負樣本篩選策略；引入信息熵減少量，對采集函數進行改進，提升超參數優化的效率，對堆疊泛化集成模型進行有效訓練；考慮滑坡災害區域中的整治情況進度的影響，設置易發性修正系數，對滑坡災害易發性評價結果進行修正，確?；聻暮σ装l性評價結果能及時反映實際情況，為滑坡災害的防治和管理提供了有力的技術支持。

本發明授權基于整治工程進度的滑坡災害風險動態評估方法及系統在權利要求書中公布了：1.一種基于整治工程進度的滑坡災害風險動態評估方法，其特征在于，包括： 構建待測區域的斜坡單元集及滑坡災害全域易發性評價數據集，劃分滑坡災害隱患點正樣本集； 利用SPY-FPS偽負樣本篩選法生成識別偽負樣本訓練集，并訓練分類器，得到識別偽負樣本生成器； 將滑坡災害全域易發性評價數據集輸入至識別偽負樣本生成器，得到識別偽負樣本集； 將識別偽負樣本集和滑坡災害隱患點正樣本集合并后輸入至堆疊泛化集成模型，得到滑坡災害易發性評價結果； 實時獲取滑坡災害整治進度數據，構建易發性修正系數并修正滑坡災害易發性評價結果； 基于修正后的滑坡災害易發性評價結果，對待測區域進行風險劃分； 所述分類器的訓練過程包括： 獲取滑坡災害全域易發性評價訓練數據集，即獲取正樣本訓練集和未標注樣本訓練集； 隨機抽取正樣本訓練集中的若干個正樣本，并作為嵌入式參考正樣本訓練集；將正樣本訓練集中的未被抽取的正樣本作為新正樣本訓練集； 合并嵌入式參考正樣本訓練集和未標注樣本訓練集，得到識別偽負樣本訓練集； 分別將識別偽負樣本訓練集和新正樣本訓練集輸入至分類器進行訓練，得到初始訓練好的分類器； 通過初始訓練好的分類器獲取嵌入式參考正樣本訓練集的分類概率，設置置信閾值； 基于置信閾值、未標注樣本訓練集，利用特征擾動穩定性機制生成可靠負樣本訓練集，并輸入至初始訓練好的分類器進行二次訓練，得到訓練好的分類器，即識別偽負樣本生成器； 所述堆疊泛化集成模型包括串聯的基模型和元模型；所述基模型包括并行處理的決策樹、隨機森林、支持向量機、梯度提升樹；所述元模型為元學習器；采用基于信息熵引導的貝葉斯超參數優化方法對堆疊泛化集成模型進行訓練； 基于信息熵引導的貝葉斯超參數優化方法包括： 獲取識別偽負樣本訓練集和滑坡災害隱患點正樣本訓練集并輸入至堆疊泛化集成模型； 定義堆疊泛化集成模型的超參數組合，構建對應的超參數空間；設置目標函數； 構建可學習代理模型，設置信息熵采集函數；通過可學習代理模型和信息熵采集函數確定最優超參數組合； 將最優超參數組合應用至堆疊泛化集成模型，完成對堆疊泛化集成模型的訓練。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人成都理工大學，其通訊地址為：610059 四川省成都市成華區二仙橋東三路1號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。