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！

龙图腾网恭喜中国安能集团第三工程局有限公司;成都星景智能科技有限公司申请的专利一种基于深度学习的雪崩人工干预有效影响范围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：CN119228141B 。

龙图腾网通过国家知识产权局官网在2025-03-25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：202411719187.0，技术领域涉及：G06Q10/0635；该发明授权一种基于深度学习的雪崩人工干预有效影响范围预测方法是由覃壮恩;侯争军;李自强;贺宁波;李波;韩照梁;汪雨浓;何中泉;王一帆;吴坤;简晔设计研发完成，并于2024-11-28向国家知识产权局提交的专利申请。

本一种基于深度学习的雪崩人工干预有效影响范围预测方法在说明书摘要公布了：本发明公开了一种基于深度学习的雪崩人工干预有效影响范围预测方法，具体涉及雪崩风险控制技术领域，包括以下步骤：通过无人机采集雪山边坡的三维地形数据与积雪体数据，构建边坡地形数据库和积雪体数据库，并结合炸药空爆近场超压数据库进行标签标注；基于深度学习算法，利用标注后的数据集构建雪崩概率预测模型，预测雪山边坡所有预设范围的雪崩概率，生成概率云图；该云图投影至三维模型上，并根据不同的风险管控要求调整显示阈值，通过此判断雪崩人工干预的有效影响范围是否满足工程需求，实现精准控制；本发明不仅提高了模型的适用性和准确性，还能精细地预测不同网格区域的雪崩风险，提高爆破干预的精确性，避免不必要的爆破和资源浪费。

本发明授权一种基于深度学习的雪崩人工干预有效影响范围预测方法在权利要求书中公布了：1.一种基于深度学习的雪崩人工干预有效影响范围预测方法，其特征在于，包括以下步骤：S1、通过无人机采集雪山边坡的三维地形数据与高位积雪体数据，并构建预设范围的边坡地形数据库与该区域积雪体数据库；S2、构建炸药空爆近场超压数据库，并对边坡地形数据库、积雪体数据库以及炸药空爆近场超压数据库内的数据进行标签标注；S3、基于深度学习算法，将已完成标签标注后得到的数据集输入雪崩概率预测模型进行构建；S4、使用构建完成的雪崩概率预测模型对雪山边坡的所有预设范围均进行遍历预测，形成整个雪山边坡的雪崩概率云图；S5、将S4得到的雪山边坡概率云图投影至雪山边坡整体三维模型，根据不同的风险管控要求调整概率云图显示阈值，根据投影显示结果判断雪崩人工干预有效影响范围是否满足工程需求；构建的炸药空爆近场超压数据库中，炸药空爆的空气冲击波超压数据计算公式如下： ； 为空气冲击波压力等效衰减距离，为炸药空爆的空气冲击波压超压数据；空气冲击波压力等效衰减距离的计算公式为： ；R为冲击波压力衰减距离，W为炸药质量；深度学习算法包含分数位回归、DeepAR自回归递归、LSTM，以及Transformer模型，通过对已完成标签标注后得到的数据集进行特征提取，以及预设的学习策略，分别生成选择系数和适用系数，然后通过模糊逻辑从分数位回归、DeepAR自回归递归、LSTM，以及Transformer模型中选择对应的唯一确定项算法模型进行雪崩概率预测模型构建；选择系数的获取逻辑为：获取从已完成标签标注后得到的数据集中特征提取到的各类型数据的数据维度、时间序列长度、各类型数据的方差，以及各类型数据的时间序列相关性，i表示数据类型，然后代入选择系数计算公式中： ；通过计算各类型数据的数据维度的乘积得到，通过计算各类型数据的方差的平均值得到，通过计算各类型数据的时间序列相关性的平均值得到，为选择系数，、、、均为预设的非零比例系数；适用系数的获取逻辑为：从预设的学习策略中获取学习率、隐层维度、丢失率、批次数值，然后代入适用系数计算公式中： ；为适用系数，、、、均为预设的非零影响系数。

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中国安能集团第三工程局有限公司;成都星景智能科技有限公司，其通讯地址为：610000 四川省成都市金牛区茶店子安蓉路4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”。