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！

龙图腾网恭喜湖北省自然资源厅信息中心;中国地质大学(武汉)申请的专利一种城市地面沉降时空融合深度图模型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：CN119357593B 。

龙图腾网通过国家知识产权局官网在2025-04-11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：202411896099.8，技术领域涉及：G06F18/20；该发明授权一种城市地面沉降时空融合深度图模型预测方法是由李江;宋维静;程思;皮香斌;慎昀;刘涛设计研发完成，并于2024-12-23向国家知识产权局提交的专利申请。

本一种城市地面沉降时空融合深度图模型预测方法在说明书摘要公布了：本发明适用于地面沉降预测技术领域，提供一种城市地面沉降时空融合深度图模型预测方法，包括：步骤S1、基于时空特征分析的数据处理；步骤S2、基于分组策略的STF‑GCLSTM模型的地面沉降预测。本发明采用多源数据输入，根据GCN空间特征提取模型以及LSTM时间特征提取模型的时空特征提取，最终通过时空特征融合预测模型得更精确的沉降预测值，而且进一步考虑到大小区域的沉降特征区别，通过分组策略将研究区域划分为多个子区域，使得每个子区域的沉降趋势相似，再对不同子区域分别进行建模，以降低模型的拟合误差，提高模型的预测精度。

本发明授权一种城市地面沉降时空融合深度图模型预测方法在权利要求书中公布了：1.一种城市地面沉降时空融合深度图模型预测方法，其特征在于，所述预测方法包括下述步骤：步骤S1、基于时空特征分析的数据处理获取历史监测时序数据和沉降影响因素数据，对历史监测时序数据进行时空插值处理，按照时序数据沉降趋势进行分组，得到沉降分组时序数据；对沉降影响因素数据进行提取与因素筛选，构建监测点间的局部空间关联关系图；步骤S2、基于分组策略的STF-GCLSTM模型的地面沉降预测将筛选出的沉降影响因素数据和监测点的局部空间关联关系图输入至GCN空间特征提取模型得到空间特征；将沉降分组时序数据输入至LSTM时间特征提取模型中得到时序依赖特征；将空间特征和时序依赖特征通过时空特征融合预测模型进行特征融合，输出最终预测值；其中所述步骤S1的具体过程如下：S11、获取历史监测时序数据，并进行时空插值处理对研究区行政边界解译得到的监测点进行裁剪，保留研究区内监测点的历史监测时序数据，剔除失真无效数据，通过样条插值方法进行数据插补，得到完整的时序数据，然后进行异常值检测和剔除，对于剔除的时序数据，通过计算空间邻近权重矩阵，进行空间加权插值以填补剔除的时序数据，最后按照时序数据的沉降趋势特征将时序数据进行分组，得到沉降分组时序数据，即将研究区按照沉降趋势相似特征划分为多个子区域；S12、获取沉降影响因素数据并进行提取与因素筛选通过多重共线性检验方法判断影响因素数据之间的相关程度，剔除与其他因素存在多重共线性的因素对应的影响因素数据；通过皮尔森相关系数计算地面沉降与影响因素之间的关联性，剔除关联不大的影响因素数据；S13、构建监测点间的局部空间关联关系图通过K维树实现监测点间的近邻搜索，找到各监测点的邻接点，监测点和邻近点之间连线构成边，形成局部空间关联关系图。

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湖北省自然资源厅信息中心;中国地质大学(武汉)，其通讯地址为：430000 湖北省武汉市武昌区公正路27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”。