Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 北京合盛环境工程技术有限公司魏巍获国家专利权

北京合盛环境工程技术有限公司魏巍获国家专利权

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!

龙图腾网获悉北京合盛环境工程技术有限公司申请的专利基于图神经网络的工程造价智能评估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:CN121258187B

龙图腾网通过国家知识产权局官网在2026-04-21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:202511375309.3,技术领域涉及:G06Q10/0635;该发明授权基于图神经网络的工程造价智能评估方法是由魏巍;丁海波;魏子瑄;魏子晴设计研发完成,并于2025-09-25向国家知识产权局提交的专利申请。

基于图神经网络的工程造价智能评估方法在说明书摘要公布了:本发明公开了一种基于图神经网络的工程造价智能评估方法,包括:采集工程结构数据、工程造价历史数据和外部上下文数据;得到工程结构图、造价因子数据、因子嵌套工程图;得到带上下文标记的工程图;基于带上下文标记的工程图构建层次图神经网络模型;将带上下文标记的工程图输入层次图神经网络模型进行训练,训练过程中引入规范阈值和行业定额规则约束数据作为正则化项,得到造价估算模型;采用造价估算模型对目标污水处理工程的工程结构数据、造价因子数据与外部上下文数据进行推理,得到成本估算结果数据。本发明显著提升了工程造价评估在结构变化、标准切换情景下的预测准确度和风险可控性。

本发明授权基于图神经网络的工程造价智能评估方法在权利要求书中公布了:1.一种基于图神经网络的工程造价智能评估方法,其特征在于,包括: 采集工程结构数据、工程造价历史数据和外部上下文数据; 基于工程结构数据建立多层级异构工程图,将构筑物、设备和管线定义为底层节点,将工艺单元定义为中层节点,将整厂系统及外部配套设施定义为顶层节点,得到工程结构图; 基于工程造价历史数据按照类别—子类—明细—参数的层级规则生成多层级造价因子本体树,得到造价因子数据; 按照工艺拓扑关联规则将造价因子数据嵌入工程结构图,将每一造价因子节点或参数绑定至对应工程结构图节点或边,得到因子嵌套工程图; 将外部上下文数据编码为时空上下文向量,并依据地区与时间标签对接,将时空上下文向量附加至因子嵌套工程图的对应层级节点,得到带上下文标记的工程图; 基于带上下文标记的工程图构建层次图神经网络模型,设计底层消息传递机制、中层与顶层跨层聚合机制以及异构注意力权重机制,定义模型输出为建设期投资成本、运营期成本与全寿命周期成本; 将带上下文标记的工程图输入层次图神经网络模型进行训练,训练过程中引入规范阈值和行业定额规则约束数据作为正则化项,得到造价估算模型; 采用造价估算模型对目标污水处理工程的工程结构数据、造价因子数据与外部上下文数据进行推理,得到成本估算结果数据; 所述采集工程结构数据、工程造价历史数据和外部上下文数据,包括: 采集污水处理工程结构信息与工艺拓扑数据,构成工程结构数据;采集历年污水处理工程造价明细,构成工程造价历史数据;采集地区价格指数、排放标准和施工时间区段信息,构成外部上下文数据; 所述得到造价估算模型,包括: 将带上下文标记的工程图与对应的成本标签整理为训练样本集合,训练样本集合中的每一个训练样本均包括一个带上下文标记的工程图、一个建设期投资成本标签值、一个运营期成本标签值与一个全寿命周期成本标签值; 定义层次图神经网络模型为以带上下文标记的工程图为输入、输出建设期投资成本预测值、输出运营期成本预测值与输出全寿命周期成本预测值的模型; 对训练样本集合中的每一个训练样本分别计算归一化后的建设期投资成本预测值与归一化后的建设期投资成本标签值之差的平方、归一化后的运营期成本预测值与归一化后的运营期成本标签值之差的平方、归一化后的全寿命周期成本预测值与归一化后的全寿命周期成本标签值之差的平方,分别乘对应的成本类型权重系数后相加,对训练样本集合中所有训练样本的结果进行求和取平均值,得到数据拟合损失函数; 将规范阈值与行业定额规则约束数据整理为规则约束函数集合,输出为偏离度指标,当行业定额规则被满足时,偏离度指标小于等于零,当行业定额规则未被满足时,偏离度指标大于零; 对训练样本集合中的每一个训练样本,对于规则约束函数集合中的每一个规则约束函数,若偏离度指标大于零,则取平方,否则取零,对所有规则约束函数的结果求和,对训练样本集合中所有训练样本的结果进行求和取平均值,得到规则约束正则化项; 将数据拟合损失函数与规则约束正则化项加权相加,得到总损失函数; 采用基于梯度的参数更新策略对层次图神经网络模型进行迭代训练,每一次迭代中,将当前模型参数按照总损失函数关于模型参数的梯度方向减去学习率倍数的梯度,得到新的模型参数; 重复执行参数更新步骤直至满足预设收敛条件,最终获得训练完成的造价估算模型。

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北京合盛环境工程技术有限公司,其通讯地址为:100070 北京市丰台区文林北街1号院二区1号楼2层2单元211;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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。