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！

龙图腾网获悉朗高科技有限公司申请的专利一种基于深度学习的智慧建筑自适应综合管控方法及系统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：CN120540074B 。

龙图腾网通过国家知识产权局官网在2026-05-08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：202510644151.9，技术领域涉及：G05B13/04；该发明授权一种基于深度学习的智慧建筑自适应综合管控方法及系统是由严龙龙;曾一新;崔硕硕;王崇营;樊士明;缪然;王佳丽;刘威设计研发完成，并于2025-05-19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智慧建筑自适应综合管控方法及系统在说明书摘要公布了：本发明公开了一种基于深度学习的智慧建筑自适应综合管控方法及系统，涉及智慧建筑技术领域，包括本发明通过神经聚类与DCT频域压缩机制有效降低了时间序列维度并去除冗余趋势信息，增强了模型在长时间跨度下的预测稳定性和泛化能力，通过自适应遗传算法和APSO算法对LSTM模型参数进行全局优化，实现了跳出局部极小、收敛更快的最优模型搜索，从而增强模型对用户行为变化的泛化能力与预测精度，显著提升用户行为预测模型性能和自适应优化能力，通过MAML快速参数更新机制，实现策略迁移使控制模型在异常条件下的即时适配，提高响应速度，使其在动态场景中具备持续优化能力。

本发明授权一种基于深度学习的智慧建筑自适应综合管控方法及系统在权利要求书中公布了：1.一种基于深度学习的智慧建筑自适应综合管控方法，其特征在于：包括， 采集多源数据进行预处理构建建筑空间图结构，基于神经聚类与Transformer模型结合频域压缩技术进行建筑环境状态预测； 所述多源数据包括，环境传感器数据、视频监控数据； 基于预测结果，利用LSTM模型预测用户未来路径，通过深度强化学习根据环境状态预测和用户未来路径输出管控动作； 实时监控管控实施的异常情况，结合元学习机制对管控动作进行调整，将调整管控动作上传存储； 所述基于神经聚类与Transformer模型结合频域压缩技术进行建筑环境状态预测包括， 通过建筑空间图结构G，利用图神经网络将图结构中每个节点与周围节点的特征向量进行融合，获得增强后的特征向量表示，形成增强后时间序列矩阵，通过神经聚类划分为多个动态相似的聚类块，采用k-means++初始化k个簇类中心，计算结构增强后的状态与簇中心的隶属度，分配隶属度最大的簇类中心，形成聚类簇序列集合，将聚类簇序列集合转换到频域，压缩表示后再还原获得重构后的压缩时间序列； 将压缩时间序列输入Transformer模型编码器结构中，通过时序自注意力机制对各时刻状态之间的依赖关系进行建模，生成建筑环境状态预测结果序列，根据预测结果计算总损失函数优化Transformer模型参数，获得最终建筑环境状态的预测结果； 所述基于预测结果，利用LSTM模型预测用户未来路径指将建筑环境状态预测结果序列输入注意力加权模块获得注意力得分； 通过计算每个时间步的环境状态的注意力得分获得注意力得分序列并转化为标准化权重，获得新的加权状态序列输入至变体LSTM单元中获得每一步的隐藏状态； 选择最后一时间步的隐藏状态作为用户感知整体预测环境后，形成的内部状态向量输入至全连接层输出用户行为预测值； 计算用户行为预测值与真实观测行为之间的损失函数，通过反向传播计算损失函数的对模型参数的梯度，采用Adam优化器进行梯度下降的参数迭代更新； 将神经网络中的模型参数作为个体，通过自适应遗传算法优化神经网络中的模型参数，并保留适应度最优秀的个体，通过APSO算法进行全局优化获得最终最优参数解，结合环境状态预测结果预测出用户行为。

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朗高科技有限公司，其通讯地址为：210000 江苏省南京市鼓楼区中央路389号01幢1003室；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”。

以上内容由龙图腾AI智能生成。