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！

龙图腾网获悉山东大学申请的专利基于钻进过程多维参数融合的精细化智能注浆方法与系统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：CN120974988B 。

龙图腾网通过国家知识产权局官网在2025-12-30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：202511500011.0，技术领域涉及：G06F18/25；该发明授权基于钻进过程多维参数融合的精细化智能注浆方法与系统是由许振浩;李轶惠;赵晟喆;潘东东;谢云鹏;张弛;马义全设计研发完成，并于2025-10-21向国家知识产权局提交的专利申请。

本基于钻进过程多维参数融合的精细化智能注浆方法与系统在说明书摘要公布了：本发明属于智能注浆技术领域，具体公开了一种基于钻进过程多维参数融合的精细化智能注浆方法及系统，方法包括：分别获取钻进参数、围岩图像、地质与水文参数、水动力学和水化学数据；分别提取速度波动、扭矩‑速度比、振频频谱特性特征、裂隙密度、纹理变化特征、含砂率变化率、涌水量梯度特征、水文动态相关性特征；基于提取的特征计算时空耦合表征权值；将提取的特征输入综合预测模型，得到溃砂等级、涌水强度、空间分布与时间变化趋势和风险概率预测结果；基于所述预测结果自适应调整注浆参数，生成精细化注浆方案。本发明创新性地引入了时空特征提取和动态权重调整机制，结合多源数据的深度分析，提高了对复杂地层风险的预测精度。

本发明授权基于钻进过程多维参数融合的精细化智能注浆方法与系统在权利要求书中公布了：1.一种基于钻进过程多维参数融合的精细化智能注浆方法，其特征在于，包括： 分别获取钻进参数、围岩图像、地质与水文参数、水动力学和水化学数据，并分别进行预处理；对预处理后的每一类数据进行归并； 结合钻进参数，分别提取速度波动、扭矩-速度比、振频频谱特性特征；结合围岩图像，分别提取裂隙密度和纹理变化特征；结合地质与水文参数，分别提取含砂率变化率和涌水量梯度特征，结合水动力学和水化学数据提取水文动态相关性特征； 引入基于风险敏感度的动态权重，基于提取的特征计算时空耦合表征权值； 构建由溃砂预测子模型和涌水预测子模型组成的综合预测模型； 将含砂率变化率、速度波动特征、扭矩-速度比、振频频谱特性、裂隙密度、纹理变化特征、水文相关性特征、涌水量梯度和时空耦合表征权值以及钻进参数，输入溃砂预测子模型；将水动力学数据、水化学数据、水文相关性特征、涌水量梯度和时空耦合表征权值，输入涌水预测子模型；溃砂预测子模型采用时空注意力神经网络，以捕捉特征的空间和时间依赖性，涌水预测子模型耦合水动力学和水化学模型，预测涌水强度和空间分布；综合预测模型通过多任务学习联合优化溃砂和涌水预测，共享特征提取层； 最终得到溃砂等级、涌水强度、空间分布与时间变化趋势和风险概率预测结果；基于所述预测结果自适应调整注浆参数，生成精细化注浆方案； 基于提取的特征计算时空耦合表征权值，具体为： 其中，为在时刻及三维坐标的综合权值，反映隧道三维空间内的风险分布，和分别表示隧道路面和横断面的坐标，表示深度，为三维空间处的归一化裂隙密度，为三维空间处的归一化含砂率，为三维空间处的归一化涌水量，为时刻的动态纹理变化特征，为权重系数； 所述权重系数为基于风险敏感度的动态权重，具体为： ； 其中，为更新后的权重，为第个特征的初始权重，为第个特征的风险敏感度，为特征数量，k=1,2,3,4； 第个特征的风险敏感度具体为： ； 其中，为风险指数，为第个特征值，为所有特征均值； 所述涌水预测子模型耦合水动力学和水化学模型；其中，水动力学模型具体为： ； 水化学模型具体为： ； 其中，为渗流量，为渗透系数，为水头梯度，为水头，为渗流量的散度，为储水系数，为水头随时间的变化率；为化学组分浓度，浓度随时间的变化率，为对流项，为渗流速度，为扩散系数，为扩散项，为反应项。

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山东大学，其通讯地址为：250000 山东省济南市历下区经十路17923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。