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！

龙图腾网获悉西南交通大学;四川省交通建设集团有限责任公司;四川交建天路建设工程有限责任公司申请的专利一种基于GA-BP神经网络的UDEC细观参数标定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：CN120087184B 。

龙图腾网通过国家知识产权局官网在2025-08-01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：202510057553.9，技术领域涉及：G06F30/27；该发明授权一种基于GA-BP神经网络的UDEC细观参数标定方法是由方勇;蒲嘉鹏;姜逸帆;孙来;王凤利;王宇博;孙峻枫;徐公允设计研发完成，并于2025-01-14向国家知识产权局提交的专利申请。

本一种基于GA-BP神经网络的UDEC细观参数标定方法在说明书摘要公布了：本发明涉及岩石力学计算技术领域，具体公开了一种基于GA‑BP神经网络的UDEC细观参数标定方法，包括如下步骤：建立UDEC模型；生成细观参数数据集；计算得到宏观参数；Pearson相关性分析；构建GA‑BP神经网络并训练；利用训练好的最优模型输出UDEC细观参数。本发明采用GA‑BP模型，遗传算法优化BP神经网络是一种结合了遗传算法和BP神经网络的预测方法，利用遗传算法优化BP神经网络的权值和阈值，提高BP神经网络的预测精度和泛化能力。遗传算法优化BP神经网络的优点是可以克服BP神经网络容易陷入局部最优解、收敛速度慢、参数选择困难等问题，可以提高拟合效果。

本发明授权一种基于GA-BP神经网络的UDEC细观参数标定方法在权利要求书中公布了：1.一种基于GA-BP神经网络的UDEC细观参数标定方法，其特征在于，包括如下步骤： S1、建立UDEC模型； S2、生成细观参数数据集； S3、计算得到宏观参数； S4、Pearson相关性分析；通过Pearson积矩相关系数来进行相关性分析，以确定后续GA-BP神经网络拟合的输入和输出的参数；Pearson积矩相关系数用于度量两个变量X和Y之间的相关性，其值介于-1与1之间，描述的是两个变量间线性相关强弱的程度，其绝对值越大，表明相关性越强；所述Pearson相关系数的计算公式为： 其中：Xi和Yi是两个变量X和Y的第i个观测值；和是变量X和Y的平均值；r是Pearson相关系数；r反映了两个变量的线性相关性的强弱程度，r的绝对值越大说明相关性越强； r的取值范围为-1到1，当r0时，表明两个变量正相关，即一个变量值越大则另一个变量值也会越大；当r0时，表明两个变量负相关，即一个变量值越大则另一个变量值反而会越小；当r＝0时，表明两个变量不是线性相关的； S5、构建GA-BP神经网络并训练；具体包括如下： a.数据预处理：对数据的异常值和重复值进行删除处理，利用MinMaxScaler对数据进行最大最小归一化处理，即将所有数据线性放缩到0-1； b.定义模型：使用Sequential创建一个包含三个隐藏层的BP神经网络； c.确定超参数范围：确定隐藏层神经元数、学习率、批量大小、训练轮数的取值范围； d.初始化种群与定义适应度函数：初始化神经网络权重并确定适应度函数，遗传算法通过该函数评估每个个体； e.遗传算法的执行：首先计算种群中初始个体的适应度，然后挑选出优秀的个体以进行交换其部分信息以生成新的个体，某个体被选择的几率取决于其适应度的高低，适应度高则被选择的几率大，形成的新个体有小概率发生变异，这样以增大样本的输入空间；对新生成的个体重复上述操作，直到最大迭代次数； f.重新训练和测试：使用优化的最佳参数重新训练模型，使用测试集进行预测、反归一化和误差评估，得到训练后的最优GA-BP神经网络； S6、利用训练好的最优模型输出UDEC细观参数。

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西南交通大学;四川省交通建设集团有限责任公司;四川交建天路建设工程有限责任公司，其通讯地址为：610000 四川省成都市金牛区二环路北一段111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”。