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！

龙图腾网获悉成都理工大学申请的专利一种基于熵权法的隧道围岩质量等级识别方法、装置、设备及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：CN116227996B 。

龙图腾网通过国家知识产权局官网在2025-12-16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：202310076015.5，技术领域涉及：G06Q10/0639；该发明授权一种基于熵权法的隧道围岩质量等级识别方法、装置、设备及存储介质是由马俊杰;李天斌设计研发完成，并于2023-02-07向国家知识产权局提交的专利申请。

本一种基于熵权法的隧道围岩质量等级识别方法、装置、设备及存储介质在说明书摘要公布了：本发明公开了一种基于熵权法的隧道围岩质量等级识别方法、装置、设备及存储介质，涉及地质勘测技术领域。所述方法是先将所有的已识别样本数据分成若干份，然后针对各份分别应用多种机器学习算法进行建模训练，得到与各份及各算法对应的模型分类准确率，再然后基于熵权法得到各算法的分类模型权重系数，针对所述所有的已识别样本数据，也应用所述多种机器学习算法进行建模训练，得到与各算法对应的隧道围岩质量等级分类模型，再然后应用所述各算法的分类模型权重系数和基于分类模型所得的且分类在所有隧道围岩质量等级上的概率值，计算得到分类在所有隧道围岩质量等级上的综合概率值，最后将与最大综合概率值对应的等级作为最终识别结果。

本发明授权一种基于熵权法的隧道围岩质量等级识别方法、装置、设备及存储介质在权利要求书中公布了：1.一种基于熵权法的隧道围岩质量等级识别方法，其特征在于，包括： 获取所有的已识别样本数据，其中，所述已识别样本数据包含有隧道围岩对象的已识别隧道围岩质量等级以及在K个评价指标上对该隧道围岩对象采集而得的K个指标值，所述K个指标值与所述K个评价指标一一对应，K表示大于等于5的正整数； 将所述所有的已识别样本数据随机均分为M份已识别样本数据，其中，M表示大于等于5的正整数； 针对在所述M份已识别样本数据中的各份已识别样本数据，将对应的所有所述K个指标值作为输入项，以及将对应的所有所述已识别隧道围岩质量等级作为输出项，对基于N种机器学习算法的人工智能模型进行率定验证建模，得到对应的且与所述N种机器学习算法一一对应的N个模型分类准确率，其中，N表示大于等于5的正整数； 根据所述各份已识别样本数据的N个模型分类准确率，基于熵权法得到所述N种机器学习算法的分类模型权重系数； 针对所述所有的已识别样本数据，将对应的所有所述K个指标值作为输入项，以及将对应的所有所述已识别隧道围岩质量等级作为输出项，对基于所述N种机器学习算法的人工智能模型再次进行率定验证建模，得到对应的且与所述N种机器学习算法一一对应的N个隧道围岩质量等级分类模型； 获取在所述K个评价指标上对目标隧道围岩对象采集而得的K个指标新值，其中，所述K个指标新值与所述K个评价指标一一对应； 针对在所述N个隧道围岩质量等级分类模型中的各个隧道围岩质量等级分类模型，将所述K个指标新值输入对应模型中，输出得到对应的且将所述目标隧道围岩对象的隧道围岩质量等级分类在所有隧道围岩质量等级上的概率值； 根据所述N种机器学习算法的分类模型权重系数和所述N个隧道围岩质量等级分类模型的且将所述目标隧道围岩对象的隧道围岩质量等级分类在所有隧道围岩质量等级上的概率值，按照如下公式计算得到将所述目标隧道围岩对象的隧道围岩质量等级分类在所有隧道围岩质量等级上的综合概率值： 式中，S表示所述所有隧道围岩质量等级的等级总数，s表示小于等于S的正整数，Ps表示将所述目标隧道围岩对象的隧道围岩质量等级分类在所有隧道围岩质量等级中第s个隧道围岩质量等级上的综合概率值，n表示小于等于N的正整数，As,n表示在所述N个隧道围岩质量等级分类模型中第n个隧道围岩质量等级分类模型的且将所述目标隧道围岩对象的隧道围岩质量等级分类在所述第s个隧道围岩质量等级上的概率值，wn表示在所述N种机器学习算法中第n个机器学习算法的分类模型权重系数，所述第n个机器学习算法与所述第n个隧道围岩质量等级分类模型具有一一对应关系； 将与最大综合概率值对应的隧道围岩质量等级确定为所述目标隧道围岩对象的隧道围岩质量等级。

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成都理工大学，其通讯地址为：610000 四川省成都市二仙桥东三路1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”。

以上内容由龙图腾AI智能生成。