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！

龙图腾网获悉中铁十四局集团大盾构工程有限公司申请的专利一种基于神经网络模型的深基坑变形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：CN119848986B 。

龙图腾网通过国家知识产权局官网在2026-03-03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：202411907860.3，技术领域涉及：G06F30/13；该发明授权一种基于神经网络模型的深基坑变形预测方法是由张为玉;迟璐璐;史永斌;李鹏飞;秦胜旺;王君平设计研发完成，并于2024-12-24向国家知识产权局提交的专利申请。

本一种基于神经网络模型的深基坑变形预测方法在说明书摘要公布了：本发明属于深基坑变形预测技术领域，具体涉及一种基于神经网络模型的深基坑变形预测方法，首先，建立神经网络预测模型，其次，构建数据集，再次，进行模型初始化，然后，模型训练，最后，通过输出预测结果，其基于BiLSTM‑Attention组合神经网络算法，BiLSTM模块对输入的时间序列数据进行双向处理，并通过输入门、遗忘门和输出门来控制信息的流动，Attention模块为每个时间步的特征分配一个注意力权重，通过注意力权重对BiLSTM模块的输出特征进行加权求和，得到一个重点关注的特征表示，使得预测模型能够聚焦于对预测结果最有影响的部分时间序列特征，经过不断的训练，最终预测模型会根据输入的数据预测更精确的深基坑开挖变形结果。

本发明授权一种基于神经网络模型的深基坑变形预测方法在权利要求书中公布了：1.一种基于神经网络模型的深基坑变形预测方法，其特征在于，具体工艺过程如下： S1，建立神经网络预测模型 基于神经网络模型建立包括输入层、组合网络层、参数优化层和输出层的预测模型； S2，构建数据集 首先，对预测模型需要的数据进行归一化处理，按照9:1的比例划分训练集和测试集； 然后，将输入的特征数据分为三类，第一类为环境因素，第二类为施工因素，第三类监测数据； 最后，将监测数据归一化，拆分成输入向量和输出向量，输入向量包括全部三类特征数据，输出向量为第三类监测数据； S3，模型初始化 S31，根据输入向量的特征对BiLSTM模块的参数进行设置； S32，设置Attention模块的头数，初始化权重矩阵； S33，设置SSA算法的种群大小和迭代次数，将均方误差作为适度函数； S4，模型训练 S41，前向传播，通过输入层将训练集数据按时间步依次输入BiLSTM模块，计算每个时间步的隐藏状态； S42，计算注意力得分和权重，将BiLSTM模块的输出输入到Attention模块计算出每个时间步隐藏状态的注意力权重； S43，计算当前预测模型的适应度，SSA算法根据适应度对预测模型参数进行更新； S44，根据更新厚的预测模型参数进行反向传播； S45，按照S41-S44的操作进行训练，直至满足终止条件； S5，输出层输出预测结果； 步骤S1中，输入层用于输入特征向量； 组合网络层由BiLSTM模块和Attention模块组成，BiLSTM模块用于处理时间序列信息，Attention模块用于增强预测模型对关键信息的捕捉能力； 参数优化层为麻雀搜索算法层，用于对整个神经网络的参数进行全局寻优； 输出层用于输出预测结果； 环境因素包括平均温度、湿度和降雨量；施工因素包括开挖土方量、开挖深度和横撑道数；第三类监测数据包括平均地下水位、轴力大小、地连墙水平位移、周边地表沉降和桩顶水平位移； BiLSTM模块对输入的时间序列数据进行双向处理，并通过输入门、遗忘门和输出门控制信息的流动； Attention模块会为每个时间步的特征分配一个注意力权重，通过注意力权重对BiLSTM模块的输出特征进行加权求和，得到一个重点关注的特征表示，使得预测模型能够聚焦于对预测结果最有影响的部分时间序列特征。

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铁十四局集团大盾构工程有限公司，其通讯地址为：266000 山东省青岛市市北区大港街道青岛港八号码头西门中铁十四局项目部；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。