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！

龙图腾网获悉中南大学申请的专利基于机器学习和极限学习机混合模型的爆破块度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：CN115860134B 。

龙图腾网通过国家知识产权局官网在2026-01-02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：202211425997.6，技术领域涉及：G06N20/00；该发明授权基于机器学习和极限学习机混合模型的爆破块度预测方法是由李地元;赵君杰;余一松;罗平框;苏晓丽;马金银;茹文凯;何啸设计研发完成，并于2022-11-14向国家知识产权局提交的专利申请。

本基于机器学习和极限学习机混合模型的爆破块度预测方法在说明书摘要公布了：本发明涉及基于机器学习和极限学习机混合模型的爆破块度预测方法，包括如下步骤：A获取爆破的原始数据，确定其变量参数，计算各变量参数的偏度值；B根据偏度值对变量参数进行分类，对各类变量参数基于设定的转换方法进行转化生成新变量参数，对新变量参数基于至少一种机械学习方法进行处理生成新特征数据集；C根据新特征数据单元确定极限学习机模型隐藏层神经元个数，并据此到得最佳极限学习机模型网络结构，保存最佳极限学习机模型网络结构中对应的权重参数值；D基于新特征数据集、最佳极限学习机模型网络结构和权重参数值预测爆破平均块度。本发明的基于机器学习和极限学习机混合模型的爆破块度预测方法能够减少运算量，且精度高。

本发明授权基于机器学习和极限学习机混合模型的爆破块度预测方法在权利要求书中公布了：1.基于机器学习和极限学习机混合模型的爆破块度预测方法，其特征在于，包括如下步骤： A获取爆破的原始数据，确定所述原始数据的变量参数，计算所述原始数据各变量参数的偏度值； B根据各所述变量参数的所述偏度值对所述变量参数进行分类，对各类所述变量参数基于设定的转换方法进行转化，以生成新变量参数，并对所述新变量参数基于至少一种机械学习方法进行处理，以生成新特征数据集； C根据所述新特征数据集确定极限学习机模型隐藏层神经元个数，据此得到最佳极限学习机模型网络结构，并且保存所述最佳极限学习机模型网络结构中对应的权重参数值； D基于所述新特征数据集、所述最佳极限学习机模型网络结构以及所述权重参数值预测爆破平均块度； 所述偏度值基于各所述变量参数的标准差获得： 其中，为所述变量参数，n为所述变量参数的样本量数，S表示所述变量参数的标准差，为偏度值； 所述机械学习方法包括随机森林回归算法、自适应提升回归算法、梯度增强回归算法以及极限树回归算法，对各所述新变量参数利用所述随机森林回归算法、自适应提升回归算法、梯度增强回归算法以及极限树回归算法进行机器学习，并将各所述新变量参数经过机器学习后得到的新特征数据集合成为该新变量参数的所述新特征数据集。

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南大学，其通讯地址为：410083 湖南省长沙市岳麓区中南大学校本部；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。