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 > 中国地质大学(武汉);中铁第四勘察设计院集团有限公司刘修国获国家专利权

中国地质大学(武汉);中铁第四勘察设计院集团有限公司刘修国获国家专利权

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!

龙图腾网获悉中国地质大学(武汉);中铁第四勘察设计院集团有限公司申请的专利一种规则引擎与深度学习联合的高速铁路隧道洞身施工方法的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:CN120387224B

龙图腾网通过国家知识产权局官网在2025-09-12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:202510885062.3,技术领域涉及:G06F30/13;该发明授权一种规则引擎与深度学习联合的高速铁路隧道洞身施工方法的预测方法是由刘修国;戴林发宝;孙杰;吴佳明;田力;邵康宁;姚洪锡;李越;王景设计研发完成,并于2025-06-30向国家知识产权局提交的专利申请。

一种规则引擎与深度学习联合的高速铁路隧道洞身施工方法的预测方法在说明书摘要公布了:本发明提供一种规则引擎与深度学习联合的高速铁路隧道洞身施工方法的预测方法,该方法整理并构建了一个数据样本库,以支持算法的训练。基于这一数据集,本发明提出了一种规则引擎与深度学习联合的方案,即RI‑ACNTPP,专门用于高速铁路隧道洞身施工方法参数设计。通过对比实验评估了RI‑ACNTPP模型与GBDT(梯度提升决策树)、RF(随机森林)、MLP(多层感知器)、SVM(支持向量机)等模型的性能。结果显示RI‑ACNTPP模型不仅在预测准确率上达到了最高水平,而且在面对小样本数据时依然能够保持较高的预测精度。本发明将深度学习技术应用于高速铁路隧道施工方法的设计,不仅丰富了隧道智能化设计的理论基础,还为未来高速铁路隧道施工方法的设计与复查提供了技术支持。

本发明授权一种规则引擎与深度学习联合的高速铁路隧道洞身施工方法的预测方法在权利要求书中公布了:1.一种规则引擎与深度学习联合的高速铁路隧道洞身施工方法的预测方法,其特征在于,包括以下步骤: S1、通过分析隧道洞身设计案例确定洞身施工参数设计影响因子,归纳高速铁路隧道施工设计数据集; S2、对数据进行预处理,预处理包括数据重采样、缺失值处理以及数据归一化,旨在提升数据质量,增强模型训练效果,并最终支持更加精准的设计决策; S3、通过整理施工设计中需要遵循的规则规范,构建规则引擎,先全面梳理与隧道洞身施工设计相关的所有规范要求,并将这些规范转换为明确的逻辑规则语句,构建一个详尽的规则表,当有新的数据输入至模型时,系统自动识别其对应的规则触发条件,并迅速输出相应的规则执行结果,在遇到符合多条规则的情况时,系统会选择安全级别最高的方案作为最终决策,以确保施工的安全性和可靠性;对于无法直接应用现有规则进行分析的数据样本,通过建立深度学习框架来进行补充预测,该框架整合卷积神经网络的强特征提取能力,并引入注意力机制使模型专注于输入数据中与施工方法最相关的部分,用于提高对于数据的理解能力,引入了Focalloss损失函数;搭建深度学习模型,并完成训练和保存,深度学习模型包括:数据编码模块,模型模块,损失函数模块; S4、搭建多种机器学习模型作为对比模型用于进行性能对比,并确定适合于此问题的算法模型,所述机器学习模型包括梯度提升决策树、随机森林、多层感知器与支持向量机,并选用准确率、精确率、召回率以及F1score作为精度评价指标,通过比较这些评价指标的结果了解所搭建的各种模型的性能特点,并据此选择最合适的模型用于实际应用。

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中国地质大学(武汉);中铁第四勘察设计院集团有限公司,其通讯地址为:430000 湖北省武汉市洪山区鲁磨路388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”。

以上内容由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。