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！

龙图腾网获悉合肥工业大学申请的专利基于多模态时空融合的隧道围岩智能分级预测方法及其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：CN120850217B 。

龙图腾网通过国家知识产权局官网在2026-01-23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：202510980030.1，技术领域涉及：G06F18/25；该发明授权基于多模态时空融合的隧道围岩智能分级预测方法及其系统是由安然;汪亦显;苏颖;钱叶琳;韩睿才;安庆明;汪明辉;李娴;郭盼盼设计研发完成，并于2025-07-16向国家知识产权局提交的专利申请。

本基于多模态时空融合的隧道围岩智能分级预测方法及其系统在说明书摘要公布了：本发明公开了基于多模态时空融合的隧道围岩智能分级预测方法及其系统，涉及隧道施工技术领域，现提出如下方案，其包括获取带时间戳的围岩多模态数据，所述多模态数据包括地质雷达波形数据、钻探岩芯图像和三维激光点云数据；采用时空融合网络架构，生成围岩特征数据，并进行隧道围岩分级预测。本方案通过融合地质雷达波形数据、钻探岩芯图像及三维激光点云数据三类多模态数据，为围岩分级预测提供了全面的特征基础，且引入施工机械振动频谱数据构建实时反馈机制，通过动态阈值库与历史数据比对识别异常扰动，基于LSTM网络关联振动特征与围岩特征，生成精准的岩体参数修正量，并反向优化时空融合网络参数，有效缩小静态预测与实际地质条件的偏差。

本发明授权基于多模态时空融合的隧道围岩智能分级预测方法及其系统在权利要求书中公布了：1.基于多模态时空融合的隧道围岩智能分级预测方法，其特征在于，所述方法包括： 获取带时间戳的围岩多模态数据，所述多模态数据包括地质雷达波形数据、钻探岩芯图像和三维激光点云数据； 采用时空融合网络架构，结合基于Transformer的跨模态注意力机制，对多模态数据进行异质特征提取与时空对齐，生成围岩特征数据，并进行隧道围岩分级预测； 基于隧道施工断面边缘部署的计算节点，实时采集施工机械的振动频谱数据； 建立施工扰动反馈的在线学习机制，当所述振动频谱数据出现异常时，结合所述围岩特征数据，修正时空融合网络架构中的参数，并更新隧道围岩分级预测结果； 所述建立施工扰动反馈的在线学习机制具体包括： 实时监测计算节点传输的振动频谱数据，划分至预设频率子段，并提取其特征参数，所述特征参数包括能量占比和峰值频率； 基于历史施工数据，按隧道围岩等级分组统计振动频谱特征参数的分布规律，生成各围岩等级对应的动态阈值库； 结合当前围岩特征向量，从动态阈值库中匹配对应围岩等级的特征阈值范围，当任一特征参数超出对应的特征阈值范围时，判定为异常数据； 所述当所述振动频谱数据出现异常时，结合所述围岩特征数据，修正时空融合网络架构中的参数，并更新隧道围岩分级预测结果，具体包括： 根据当前围岩等级，分别提取历史施工数据中能量占比和峰值频率的历史均值； 基于异常的振动频谱数据，将其能量占比和峰值频率与对应的历史均值的差值分别记为能量偏差和频率偏移量，并以能量偏差和频率偏移量构建振动特征向量； 将振动特征向量和围岩特征向量拼接成联合向量，输入至预训练的LSTM网络模型，输出岩体参数修正量，所述岩体参数修正量包括岩体质量指标修正量、弹性模量修正量和节理密度修正量； 由公式分析振动特征向量与围岩特征向量的重构误差，其中，为重构误差，为振动特征向量，为围岩特征向量； 计算岩体参数修正量对权重和偏置的偏导数，以及重构误差对学习矩阵的偏导数，将各偏导数与学习率的相乘，生成参数更新量； 分别用当前权重、偏置和学习矩阵减去对应的参数更新量，得到新的权重、偏置和学习矩阵，并回传至时空融合网络架构中覆盖原有参数； 以当前工程参数与对应的岩体参数修正量的和作为新的工程参数，重新计算岩体基本质量指标，生成新的隧道围岩等级。

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合肥工业大学，其通讯地址为：230600 安徽省合肥市屯溪路193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。