買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉山東科技大學(xué)申請的專利一種用于建筑物的地表沉陷數(shù)智預(yù)測方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN120296703B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-08-22發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202510781454.5，技術(shù)領(lǐng)域涉及：G06F18/27；該發(fā)明授權(quán)一種用于建筑物的地表沉陷數(shù)智預(yù)測方法是由王蕊;陳紹杰設(shè)計(jì)研發(fā)完成，并于2025-06-12向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種用于建筑物的地表沉陷數(shù)智預(yù)測方法在說明書摘要公布了：本發(fā)明公開了一種用于建筑物的地表沉陷數(shù)智預(yù)測方法，屬于礦業(yè)和信息技術(shù)領(lǐng)域，包括如下步驟：步驟1、采集多源數(shù)據(jù)，并基于卡爾曼濾波法進(jìn)行多源數(shù)據(jù)融合；步驟2、基于隨機(jī)森林對異常數(shù)據(jù)進(jìn)行處理；步驟3、基于圖神經(jīng)網(wǎng)絡(luò)進(jìn)行特征工程與變量選擇；步驟4、基于擴(kuò)散模型與量子啟發(fā)式神經(jīng)網(wǎng)絡(luò)預(yù)測地表沉陷。本發(fā)明充分利用擴(kuò)散模型在數(shù)據(jù)生成方面的優(yōu)勢以及量子啟發(fā)式神經(jīng)網(wǎng)絡(luò)強(qiáng)大的特征學(xué)習(xí)能力，對建筑物地表沉陷進(jìn)行預(yù)測，從而為建筑物的安全評估、工程規(guī)劃及災(zāi)害預(yù)防等提供可靠的依據(jù)與技術(shù)支撐，有效提高地表沉陷預(yù)測的精度和可靠性，推動相關(guān)領(lǐng)域的智能化發(fā)展。

本發(fā)明授權(quán)一種用于建筑物的地表沉陷數(shù)智預(yù)測方法在權(quán)利要求書中公布了：1.一種用于建筑物的地表沉陷數(shù)智預(yù)測方法，其特征在于，包括如下步驟： 步驟1、采集多源數(shù)據(jù)，并基于卡爾曼濾波法進(jìn)行多源數(shù)據(jù)融合； 步驟2、基于隨機(jī)森林對異常數(shù)據(jù)進(jìn)行處理； 步驟3、基于圖神經(jīng)網(wǎng)絡(luò)進(jìn)行特征工程與變量選擇； 步驟4、基于擴(kuò)散模型與量子啟發(fā)式神經(jīng)網(wǎng)絡(luò)預(yù)測地表沉陷；具體過程為： 步驟4.1、基于擴(kuò)散模型的正向擴(kuò)散過程生成起始樣本；具體過程為： 步驟4.1.1、確定正向擴(kuò)散步數(shù)和噪聲參數(shù)；正向擴(kuò)散步數(shù)為： ； 其中，表示向上取整；為基礎(chǔ)的正向擴(kuò)散步數(shù)；和為不同的調(diào)整系數(shù)；為預(yù)測時間范圍；為數(shù)據(jù)不確定性度量； 噪聲調(diào)度參數(shù)為： ； 其中，為正向擴(kuò)散過程中的時間步；為設(shè)定的噪聲調(diào)度參數(shù)的最小值； 步驟4.1.2、正向擴(kuò)散過程表示為： ； 其中，、分別為正向擴(kuò)散過程中時間步為、時生成的噪聲化樣本向量；是時間步為時的噪聲調(diào)度參數(shù)；是時間步為時的噪聲向量； 重復(fù)正向擴(kuò)散過程次，得到起始樣本； 步驟4.2、基于量子啟發(fā)式神經(jīng)網(wǎng)絡(luò)采用反向擴(kuò)散過程生成特征變量序列；具體過程為： 步驟4.2.1、初始化量子啟發(fā)式神經(jīng)網(wǎng)絡(luò)參數(shù)； 首先，將作為輸入特征向量進(jìn)行量子比特表示；量子比特狀態(tài)的初始化公式如下： ； ； ； 其中，為用于初始化第個量子比特狀態(tài)的角度參數(shù)；是循環(huán)索引變量；，表示向下取整，反映了將維度為的映射到個量子比特時的一種分組或劃分參數(shù)；為的第個元素；、分別為時間步為時的第個、第個量子比特狀態(tài)；為時間步為時的量子比特狀態(tài)；表示量子態(tài)的張量積； 然后，基于量子旋轉(zhuǎn)門和量子控制非門構(gòu)建量子啟發(fā)式門操作層； 量子旋轉(zhuǎn)門對單個量子比特的作用公式為： ； 其中，為量子旋轉(zhuǎn)門；是旋轉(zhuǎn)角度； 量子控制非門的矩陣表示為： ； 其中，為第個量子比特控制第個量子比特狀態(tài)的量子控制非門； 第一個量子啟發(fā)式門操作層的矩陣表示為： ； 其中，為第1個量子比特控制第個量子比特狀態(tài)的旋轉(zhuǎn)角度； 量子啟發(fā)式門操作層共有層，按照的過程構(gòu)建其他層；第個量子啟發(fā)式門操作層包含不同的量子門操作組合，這些門的參數(shù)在訓(xùn)練過程中確定，在預(yù)測時直接加載； 步驟4.2.2、反向擴(kuò)散迭代； 從開始，首先將輸入到量子啟發(fā)式神經(jīng)網(wǎng)絡(luò)中進(jìn)行噪聲估計(jì)； 在量子比特表示層將轉(zhuǎn)換為量子態(tài)后，通過量子啟發(fā)式門操作層進(jìn)行特征變換； 對于，，其中，即初始量子比特狀態(tài)經(jīng)過第一個量子啟發(fā)式門操作層得到第一個量子比特狀態(tài)；對于，；依此類推，直到，；、分別為第個、第個量子比特狀態(tài)；為第個量子啟發(fā)式門操作層；量子比特狀態(tài)的序號與量子門操作層的序號相對應(yīng)； 在經(jīng)過個量子啟發(fā)式門操作層后，采用量子測量方法對最后一層的量子比特狀態(tài)進(jìn)行量子態(tài)轉(zhuǎn)換，得到經(jīng)典概率分布； 將轉(zhuǎn)換為與噪聲向量維度相同的估計(jì)噪聲向量；設(shè)全連接層的權(quán)重矩陣為，偏置向量為，則： ； 其中，是估計(jì)噪聲向量的第個分量；為的第個元素對的第個分量的權(quán)重；為的第個元素；為中的第個元素； 然后根據(jù)反向擴(kuò)散公式更新樣本，得到預(yù)測樣本向量： ； 其中，、分別為反向擴(kuò)散過程中時間步為、時生成的預(yù)測樣本向量；是時間步為時的噪聲調(diào)度參數(shù)；為時間步為時的估計(jì)噪聲向量； 重復(fù)上述步驟，從逐步遞減到，得到預(yù)測的地表沉陷相關(guān)特征變量序列；為反向擴(kuò)散過程中時間步為0時生成的預(yù)測樣本向量； 步驟4.3、提取地表沉陷量預(yù)測值；具體過程為： 將預(yù)測的地表沉陷相關(guān)特征變量序列重新定義為，構(gòu)建線性回歸模型： ； 其中，是預(yù)測的地表沉陷量；是回歸系數(shù)，反映了第個特征變量對地表沉陷量的影響程度；是誤差項(xiàng)； 構(gòu)建設(shè)計(jì)矩陣： ； 其中，為樣本數(shù)量；為第個樣本的第個特征變量；目標(biāo)向量，其中是第個樣本對應(yīng)的真實(shí)地表沉陷量； 根據(jù)最小二乘法，計(jì)算回歸系數(shù)的估計(jì)值： ； ； ； 其中，為第個樣本的第個特征變量；為第個樣本對應(yīng)的真實(shí)地表沉陷量； 最后將代入線性回歸模型得到最終的預(yù)測地表沉陷量： ； 其中，為最終的預(yù)測地表沉陷量； 步驟4.4、訓(xùn)練地表沉陷預(yù)測模型； 所述步驟4.4中，構(gòu)建地表沉陷預(yù)測模型的損失函數(shù)為： ； 其中，表示期望，是對不同時間步、地表沉陷相關(guān)特征變量序列和噪聲向量的聯(lián)合分布求期望；、分別為時間步為時的噪聲向量、估計(jì)噪聲向量； 使用Adam優(yōu)化算法來更新量子啟發(fā)式神經(jīng)網(wǎng)絡(luò)中的參數(shù)，更新公式如下： 計(jì)算梯度的一階矩估計(jì)和二階矩估計(jì)： ； ； 其中，、分別為時間步的一階矩估計(jì)、二階矩估計(jì)；、分別為時間步的一階矩估計(jì)、二階矩估計(jì)；是時間步的梯度；和分別是一階矩估計(jì)和二階矩估計(jì)的衰減率超參數(shù)； 修正一階矩估計(jì)和二階矩估計(jì)： ； ； 其中，、分別為時間步的修正一階矩估計(jì)、二階矩估計(jì)；、分別為時間步一階矩估計(jì)、二階矩估計(jì)的衰減率超參數(shù)； 更新地表沉陷預(yù)測模型模型參數(shù)： ； 其中，、分別為時間步、時間步時的地表沉陷預(yù)測模型參數(shù)；是學(xué)習(xí)率； 重復(fù)正向擴(kuò)散、反向擴(kuò)散與損失計(jì)算、參數(shù)更新的過程，直到達(dá)到預(yù)設(shè)的訓(xùn)練輪數(shù)或損失函數(shù)收斂到預(yù)先設(shè)定的閾值，輸出訓(xùn)練完成的地表沉陷預(yù)測模型； 步驟4.5、將實(shí)時采集的地表沉降監(jiān)測數(shù)據(jù)、地質(zhì)勘查數(shù)據(jù)、地下開采活動信息、建筑物自身的詳細(xì)信息輸入到訓(xùn)練完成的地表沉陷預(yù)測模型，進(jìn)行地表沉陷的預(yù)測。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人山東科技大學(xué)，其通訊地址為：266590 山東省青島市黃島區(qū)前灣港路579號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。