Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 西北有色勘测工程有限责任公司;西安理工大学王平获国家专利权

西北有色勘测工程有限责任公司;西安理工大学王平获国家专利权

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!

龙图腾网获悉西北有色勘测工程有限责任公司;西安理工大学申请的专利一种基于黄土工程湿陷水敏度指标评价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:CN121390601B

龙图腾网通过国家知识产权局官网在2026-03-20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:202511992034.8,技术领域涉及:G06Q10/063;该发明授权一种基于黄土工程湿陷水敏度指标评价方法是由王平;李宏儒;李佳琪;强春鹏设计研发完成,并于2025-12-26向国家知识产权局提交的专利申请。

一种基于黄土工程湿陷水敏度指标评价方法在说明书摘要公布了:本发明涉及岩土工程安全评价技术领域,公开了一种基于黄土工程湿陷水敏度指标评价方法。该方法包括获取黄土工程现场多监测点时序数据,形成融合特征向量。驱动湿陷模式判别模型,从中分离出稳态与瞬态湿陷模式特征,据此生成水敏度演化图谱并构建逻辑决策树。执行增量式动态耦合分析,将决策树路径与历史工程案例库中的湿陷发展路径进行匹配,计算路径相似度权重,并以此对水敏度演化图谱进行加权修正,得到修正后图谱。基于修正后图谱推演未来多个时间节点下的湿陷风险概率分布。整合图谱、决策树路径及风险分布,形成最终的黄土工程湿陷水敏度评价报告。本发明实现了湿陷过程的机理分离与动态智能预测。

本发明授权一种基于黄土工程湿陷水敏度指标评价方法在权利要求书中公布了:1.一种基于黄土工程湿陷水敏度指标评价方法,其特征在于,所述方法包括: 获取黄土工程现场多个监测点位在不同时间序列下的原始监测数据集,形成融合特征向量; 基于所述融合特征向量,驱动预设的湿陷模式判别模型运行,从所述融合特征向量中解析并分离出稳态湿陷模式特征与瞬态湿陷模式特征; 根据所述稳态湿陷模式特征与所述瞬态湿陷模式特征,生成针对当前黄土工程的水敏度演化图谱; 利用所述水敏度演化图谱,构建逻辑决策树; 执行增量式动态耦合分析,将所述逻辑决策树的输出路径与历史工程案例库中的湿陷发展路径进行匹配与耦合,计算路径相似度权重; 依据所述路径相似度权重,对所述水敏度演化图谱进行加权修正,生成修正后水敏度演化图谱; 基于所述修正后水敏度演化图谱,执行风险态势推演,推演出未来多个时间节点下的湿陷风险概率分布; 整合所述修正后水敏度演化图谱、所述逻辑决策树的完整分支路径及所述湿陷风险概率分布,形成最终的黄土工程湿陷水敏度评价报告; 所述基于所述融合特征向量,驱动预设的湿陷模式判别模型运行,从所述融合特征向量中解析并分离出稳态湿陷模式特征与瞬态湿陷模式特征,包括: 将所述融合特征向量输入至所述湿陷模式判别模型; 所述湿陷模式判别模型通过内部的特征解耦网络,将所述融合特征向量分解为多个相互正交的特征子向量; 所述湿陷模式判别模型根据预设的特征过滤规则,从所述多个相互正交的特征子向量中筛选出变化平缓且具有周期重复特性的子向量,标记为所述稳态湿陷模式特征; 同时,所述湿陷模式判别模型根据所述特征过滤规则,筛选出突变性强且持续时间短的子向量,标记为所述瞬态湿陷模式特征; 所述湿陷模式判别模型的构建步骤包括:收集历史黄土工程监测数据,形成训练数据集,所述训练数据集包含多个时间序列下的水分数据、变形数据及土体物理性质数据;对所述训练数据集进行预处理,包括数据清洗、缺失值插补及时间序列对齐,生成标准化训练样本;设计特征解耦网络结构,所述特征解耦网络包含多个并行卷积层与注意力机制层,用于提取所述标准化训练样本中的多尺度特征;定义特征过滤规则,所述特征过滤规则基于滑动窗口统计特征与频域分析结果,设定稳态特征与瞬态特征的判别阈值;使用所述标准化训练样本对所述特征解耦网络进行监督训练,优化网络参数,使所述特征解耦网络能够从输入特征向量中分离出稳态湿陷模式特征与瞬态湿陷模式特征;验证训练后的湿陷模式判别模型在独立测试集上的分类精度,并根据验证结果调整所述特征过滤规则的判别阈值,完成模型构建; 所述执行增量式动态耦合分析,将所述逻辑决策树的输出路径与历史工程案例库中的湿陷发展路径进行匹配与耦合,计算路径相似度权重,包括: 从所述历史工程案例库中调取多条已完结的历史湿陷发展路径,每一条历史湿陷发展路径由一系列历史状态节点与历史事件节点按时间顺序构成; 将所述逻辑决策树的每一条输出路径,与每一条历史湿陷发展路径进行节点序列的比对; 对于每一条输出路径与历史湿陷发展路径的组合,计算其节点序列的公共子序列长度,并计算节点类型与节点间转移关系的匹配度; 基于所述公共子序列长度与所述匹配度,通过加权计算得到所述路径相似度权重,所述路径相似度权重用于量化当前输出路径与历史经验的吻合程度; 路径相似度权重的计算公式为: ; 其中,代表路径相似度权重,代表当前逻辑决策树的输出路径节点序列,代表历史工程案例库中的历史湿陷发展路径节点序列,代表序列与序列的最长公共子序列的长度,和分别代表两序列的长度,代表节点类型匹配度,是匹配节点数量与总节点数量的比值,代表节点间转移关系匹配度,是匹配的转移关系数量与总转移关系数量的比值,、、是预设的加权系数,且满足;路径相似度权重的取值范围在0到1之间,数值越大表示当前输出路径与历史经验的吻合程度越高。

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西北有色勘测工程有限责任公司;西安理工大学,其通讯地址为:710038 陕西省西安市灞桥区纺织城新医路79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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。