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！

龙图腾网获悉博锐尚格科技股份有限公司申请的专利任务结果预测模型的构建方法、装置、电子设备和存储介质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：CN118965513B 。

龙图腾网通过国家知识产权局官网在2026-04-24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：202411008891.5，技术领域涉及：G06F30/13；该发明授权任务结果预测模型的构建方法、装置、电子设备和存储介质是由李昕;孙一凫设计研发完成，并于2024-07-25向国家知识产权局提交的专利申请。

本任务结果预测模型的构建方法、装置、电子设备和存储介质在说明书摘要公布了：本发明公开了一种任务结果预测模型的构建方法、装置、电子设备和存储介质。该方法包括：确定待训练任务结果预测模型，确定至少两类对象的结构数据，将至少两类对象的结构数据分为至少一个参考任务的参考结构数据，并确定每个参考任务对应的任务结果；依据至少一个参考任务的参考结构数据，对待训练任务结果预测模型进行训练获得至少一个参考任务的任务预测结果，基于每个参考任务对应的任务预测结果与任务结果确定训练后的待训练任务结果预测模型的准确度，将准确度达到预设值的训练后的待训练任务结果预测模型作为任务结果预测模型。本发明技术方案解决了模型无法准确模拟物理性数据的问题，提高了模型预测结果的准确性。

本发明授权任务结果预测模型的构建方法、装置、电子设备和存储介质在权利要求书中公布了：1.一种任务结果预测模型的构建方法，其特征在于，用于建筑模拟，所述方法包括： 确定待训练任务结果预测模型，所述待训练任务结果预测模型包括编码层和至少一个任务层，且任务层位于编码层之后；所述编码层用于对结构数据进行编码输出对象特征编码；任务层用于对对象特征编码进行计算获得对应任务的预测结果，一个任务至少包括一类对象； 确定至少两类对象的结构数据，将所述至少两类对象的结构数据分为至少一个参考任务的参考结构数据，并确定每个参考任务对应的任务结果；所述结构数据是依据所述待训练任务结果预测模型的数据结构对各个对象对应的实际数据和模拟数据转化而来；所述实际数据为包含有建筑相关物理意义的数据；所述参考任务为所述待训练任务结果预测模型中任务层对应训练的任务；所述参考任务包括至少一类对象； 依据至少一个参考任务的参考结构数据，对所述待训练任务结果预测模型进行训练获得至少一个参考任务的任务预测结果，基于每个参考任务对应的所述任务预测结果与任务结果确定训练后的所述待训练任务结果预测模型的准确度，将准确度达到预设值的训练后的所述待训练任务结果预测模型作为任务结果预测模型； 其中，确定至少两类对象的结构数据，包括： 获取每类对象的多维度数据，所述多维度数据包括实际数据和模拟数据； 从所述每类对象的多维度数据中提取所述每类对象对应的静态数据和动态数据；所述静态数据为不随时间发生变化的数据，所述动态数据为随时间发生变化的数据； 依据所述待训练任务结果预测模型的数据结构，将所述每类对象对应的静态数据和动态数据进行数据整合，确定所述每类对象对应的目标关系数据、目标静态数据和目标动态数据，所述关系数据用于描述存在关联的不同类对象间的关联程度； 将所述目标静态数据、所述目标动态数据和所述目标关系数据作为所述每类对象的结构数据； 其中，所述待训练任务结果预测模型中的编码层包括信息编码层、图编码层和时间序列编码层；所述编码层按照所述信息编码层、所述图编码层和所述时间序列编码层顺次对数据执行编码操作；所述信息编码层用于对不同时刻的数据进行编码，图编码层用于基于关系数据进行编码，所述时间序列编码层用于对时间段内的数据进行编码；所述信息编码层包括静态信息编码和动态信息编码； 每类对象对应一个所述信息编码层，每类对象对应一个所述时间序列编码层，所有对象对应一个所述图编码层，所述图编码层按照不同类对象之间的关联关系构建，关系数据用于描述存在关联的不同类对象间的关联程度。

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博锐尚格科技股份有限公司，其通讯地址为：100096 北京市海淀区金隅智造工厂N2-3层；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。