Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 华东交通大学唐柏赞获国家专利权

华东交通大学唐柏赞获国家专利权

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!

龙图腾网获悉华东交通大学申请的专利一种基于深度学习的地铁车站地震响应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:CN119962399B

龙图腾网通过国家知识产权局官网在2025-07-08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:202510431593.5,技术领域涉及:G06F30/27;该发明授权一种基于深度学习的地铁车站地震响应预测方法是由唐柏赞;李子豪;罗文俊;庄海洋;张鹏飞;许紫刚;张季;郭文杰;承颖瑶设计研发完成,并于2025-04-08向国家知识产权局提交的专利申请。

一种基于深度学习的地铁车站地震响应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地铁车站地震响应预测方法。该方法首先获取地铁车站地震时程响应预测所需的地铁车站结构信息和场地类别信息,建立地震动时程数据‑自由场土体位移响应‑地铁车站地震响应数据集并对其中的数据进行预处理,使用预处理后的数据集对所述DB‑CNN‑Attention网络模型进行训练,确定目标地铁车站的场地类别,获取目标地铁车站结构信息,并根据实际需求获取地震动时程数据;使用训练好的DB‑CNN‑Attention网络模型输出目标地铁车站的地震时程响应数据预测结果。本发明预测精度更高,计算效率高,可用于地震后损伤估计、震害场景重建及震前抗震能力评估。

本发明授权一种基于深度学习的地铁车站地震响应预测方法在权利要求书中公布了:1.一种基于深度学习的地铁车站地震响应预测方法,其特征在于,包括以下步骤: 步骤一:获取地铁车站地震时程响应预测所需的地铁车站结构信息和场地类别信息,对不同场地类别的地铁车站结构建立有限元计算模型和场地类别对应的一维等效线性化场地;将地震动时程数据输入到有限元计算模型中,对各种地铁车站结构进行非线性时程反应分析,得到不同场地类别地铁车站结构在各条地震动时程数据下的地震响应数据;将地震动时程数据输入一维等效线性化场地中计算得到不同场地类别下各条地震动时程数据的自由场土体位移响应数据,建立地震动时程数据-自由场土体位移响应-地铁车站地震响应数据集; 步骤二:对地震动时程数据-自由场土体位移响应-地铁车站地震响应数据集中的数据进行预处理,构建DB-CNN-Attention网络模型,使用预处理后的数据集对所述DB-CNN-Attention网络模型进行训练,获得训练好的DB-CNN-Attention网络模型;DB-CNN-Attention网络模型包括地震动时程数据编码模块,自由场土体位移响应数据编码模块,双分支特征融合模块和双分支注意力模块和解码模块,地震动时程数据编码模块对地震动时程数据进行特征提取,得到地震动特征向量,自由场土体位移响应数据编码模块对自由场土体位移响应数据进行特征提取,得到自由场土体位移响应特征向量,双分支特征融合模块对地震动特征向量和自由场土体位移响应特征向量进行融合,得到融合特征向量;随后将融合后的特征输入到双分支注意力模块中进行加权,将加权完成后特征的输入到解码模块进行解码,最终得到地铁车站地震响应预测结果; 步骤三:确定目标地铁车站的场地类别,获取目标地铁车站结构信息,并根据实际需求获取地震动时程数据;对目标地铁车站结构信息和地震动时程数据进行预处理,将预处理后的数据输入训练好的DB-CNN-Attention网络模型,以输出目标地铁车站的地震时程响应数据预测结果。

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华东交通大学,其通讯地址为:330013 江西省南昌市经济技术开发区双港东大街808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”。

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。