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 > 华北电力大学张莹获国家专利权

华北电力大学张莹获国家专利权

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!

龙图腾网获悉华北电力大学申请的专利基于序列模型的粗粒土力学特性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:CN115221783B

龙图腾网通过国家知识产权局官网在2025-08-22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:202210853309.X,技术领域涉及:G06F30/27;该发明授权基于序列模型的粗粒土力学特性预测方法是由张莹;张雪东;李沐阳;陈元畅;华云鹏;康傲;管王宁;李澳澳;上官陈媛设计研发完成,并于2022-07-08向国家知识产权局提交的专利申请。

基于序列模型的粗粒土力学特性预测方法在说明书摘要公布了:本发明公开了属于计算机应用技术领域的基于序列模型的粗粒土力学特性预测方法。该方法包括步骤1:采集粗粒土实验数据,并根据模型需要记录数据特征,再对数据进行整理和填补,划分出训练集和测试集;步骤2:基于步骤1的数据,训练机器学习模型直至收敛;步骤3:基于步骤2的收敛模型,输入待预测的粗粒土数据,得出预测结果;通过可视化模块展示预测曲线,再设定评价指标来评判最终预测效果。本发明可以对粗粒土的力学特征进行准确预测,并且节省了实验所需的人力、物力、财力;对于采用粗粒土作为主要材料的建筑,得出的结果可作为其安全性参考,有较强的实用性。

本发明授权基于序列模型的粗粒土力学特性预测方法在权利要求书中公布了:1.基于序列模型的粗粒土力学特性预测方法,其特征在于,包括如下步骤: 步骤1:采集粗粒土实验数据,并根据序列模型需要记录数据特征,再对数据进行整理和填补,划分出训练集和测试集;所述步骤1中的数据特征包括实验围压、容器直径、最大粒径、容器高度、相对密度、干密度、孔隙比、细粒径占比、破碎率和试验级配; 所述步骤1包括如下子步骤: 步骤A1:以每发生0.3%轴向应变变化为分割标准,将偏应力与轴向应变曲线分为50个点以点集的方式展示在实验过程中轴向应变发生0%—15%变化时偏应力的变化情况,将轴向应变作为一列特征;将级配曲线按粒径小于5mm、大于等于5mm且小于10mm、大于等于10mm且小于等于20mm进行分割,并将其占总材料比例分别作为特征,偏应力作为数据标签; 步骤A2:去除异常值,并使用平均值填充法或土木学公式进行空缺值的填补;对于缺失的标签,结合R值和图像选定非线性拟合函数进行拟合; 所述步骤A2中的非线性拟合函数为: 其中,Dr为相对密度,ρd为填土的干密度,ρdmin为材料最小干密度,ρdmax为材料最大干密度; 步骤A3:将步骤A1中每次实验得到的一条曲线划分为50个点集,每条曲线作为一组数据,将收集到的所有数据分为训练集和测试集; 步骤2:基于步骤1的数据,训练机器学习模型直至收敛; 所述步骤2包括如下子步骤: 步骤B1:根据要预测的粗粒土力学特征曲线,设置滑动窗口; 步骤B2:选择双向LSTM模型作为主模型,使用后attention机制提升预测效果,通过使用self—attention机制增强关键特征的重要性,得到影响实验结果最重要的特征; 步骤B3:选取损失函数,再进行迭代训练,得到收敛模型; 步骤3:基于步骤2的收敛模型,输入待预测的粗粒土数据,得出预测结果;通过可视化模块展示预测曲线,再设定评价指标来评判最终预测效果。

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北电力大学,其通讯地址为:102206 北京市昌平区北农路2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。