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！

龙图腾网获悉南昌大学申请的专利考虑环境荷载滞后的大坝渗透压力可解释性智能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：CN120950892B 。

龙图腾网通过国家知识产权局官网在2026-01-27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：202511454507.9，技术领域涉及：G06F18/20；该发明授权考虑环境荷载滞后的大坝渗透压力可解释性智能预测方法是由袁冬阳;魏博文;谷艳昌;周秋景;欧阳凌宇;曹昕;徐富刚;胡雅婷;黎良辉设计研发完成，并于2025-10-13向国家知识产权局提交的专利申请。

本考虑环境荷载滞后的大坝渗透压力可解释性智能预测方法在说明书摘要公布了：本发明公开了考虑环境荷载滞后的大坝渗透压力可解释性智能预测方法，涉及大坝运行安全监测与管理技术领域，包括利用时间滞后效应，挖掘环境荷载因子集，并以此建立大坝渗透压力因果分析数理模型，进而在利用注意力机制优化的变分自编码器提取监测数据深层特征的基础上，采用贝叶斯优化的双向长短期记忆网络挖掘大坝渗透压力及其影响因素间的非线性函数关系，构建考虑荷载滞后效应的大坝渗透压力深度智能预测模型，并引入沙普利加性解释算法量化解译所建深度智能预测模型中输入特征对预测结果的贡献程度。本发明采用上述方法为量化分析环境荷载作用下大坝渗透压力变化的影响并高精度预测其未来变化趋势提供了一种可行思路。

本发明授权考虑环境荷载滞后的大坝渗透压力可解释性智能预测方法在权利要求书中公布了：1.考虑环境荷载滞后的大坝渗透压力可解释性智能预测方法，其特征在于，包括以下步骤： S1、对工程监测资料进行分析得到初始数据，结合大坝渗透压力监控模型基本原理，确定环境荷载并量化分析环境因素的时间滞后效应，构建影响大坝渗透压力变化的环境荷载因子集； 所述初始数据包括上游水位、降雨量、下游水位以及大坝各测点渗透压力测值； S2、将大坝渗透压力及环境荷载因子集比例划分为训练集和测试集，利用训练集进行深度智能模型参数训练，同时利用沙普利加性解释算法SHAP分析深度智能预测模型中输入特征对预测结果的贡献程度，进而得到考虑环境荷载滞后的大坝渗透压力可解释性智能预测模型； S3、利用考虑环境荷载滞后的大坝渗透压力可解释性智能预测模型进行预测得到大坝渗透压力可解释性智能预测结果； S1中对工程监测资料进行分析得到初始数据，结合大坝渗透压力监控模型基本原理，确定环境荷载并量化分析环境因素的时间滞后效应，构建影响大坝渗透压力变化的环境荷载因子集的具体内容包括： 所述环境因素包括库水位、降雨、下游水位，具体步骤如下： S11、通过延迟互信息法量化库水位、降雨对渗流压力的时间滞后效应，确定库水位和降雨的滞后天数； S12、构建包含库水位、降雨量及其滞后因子和时效因子的大坝渗透压力因果分析数理模型，通过影响时长拟合确定库水位、降雨量的影响程度并验证物理合理性得到影响大坝渗透压力变化的环境荷载因子集； S2中采用训练集大坝渗压及其环境荷载因子集进行训练，通过贝叶斯优化深度智能预测模型参数，进而构建考虑荷载滞后效应的大坝渗透压力深度智能预测模型，并采用SHAP量化分析输入特征对预测结果的贡献程度； S22中利用标准化预处理的训练集对深度智能预测模型中参数进行训练获得深度智能预测模型参数的具体内容为： 所述深度智能预测模型通过贝叶斯优化的BiLSTM输出双向隐藏状态H，并对该双向隐藏状态应用attention机制，计算出上下文向量c； 将计算的双向隐藏状态H和上下文向量c融合输入VAE编码器，得到对数方差和均值，再通过重参数化采样z输入解码器； 解码器输入为潜在变量z+原始特征+BiLSTM最后时间步输出+Attention上下文向量的融合并输出预测值； 在训练过程采用Adam优化器避免过拟合。

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南昌大学，其通讯地址为：330019 江西省南昌市红谷滩区学府大道999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。