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！

龙图腾网获悉河海大学申请的专利基于机器学习以及多特征融合的MICP强度预测方法及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：CN121834715B 。

龙图腾网通过国家知识产权局官网在2026-05-12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：202610289295.1，技术领域涉及：G06F18/25；该发明授权基于机器学习以及多特征融合的MICP强度预测方法及系统是由彭劼;司少敏;蒋钊;卫仁杰;商志阳;顾轩铭;申仕成;冯泽伟;司吉旭设计研发完成，并于2026-03-11向国家知识产权局提交的专利申请。

本基于机器学习以及多特征融合的MICP强度预测方法及系统在说明书摘要公布了：本发明公开了基于机器学习以及多特征融合的MICP强度预测方法及系统，涉及固化数据分析领域，本发明通过基于历史数据构建了精准的质量预测映射模型和异常补偿参数映射模型，使系统具备了从工艺参数预测固化质量以及从异常状态智能推荐最优处置方案的能力；通过设定双阈值质量控制机制和实时异常监测预警体系，能够主动识别并及时响应固化过程中的各类异常情况，从参数偏差检测到自动补偿措施执行再到硬件备用切换的完整闭环处理，有效保障了固化过程的稳定性和工程质量的一致性，大幅减少了人工干预的需求和误判风险，为砂土固化技术的标准化、规范化和产业化发展提供了强有力的技术支撑，显著提升了工程效率和经济效益。

本发明授权基于机器学习以及多特征融合的MICP强度预测方法及系统在权利要求书中公布了：1.基于机器学习以及多特征融合的MICP强度预测方法，其特征在于，包括以下步骤： S1、设定平均无侧限抗压强度和碳酸钙分布差异系数质量指标，以及设定若干种影响因素参数以采集历史砂柱固化数据； S2、基于S1采集的数据构建最终砂柱固化质量指标映射模型； S3、识别包括菌液活性、注浆压力、环境温度的若干种易异常参数，再设定对应的应对措施及其参数，并基于此采集历史数据以构建最终砂柱固化异常措施参数映射模型； 具体包括： S31、根据历史上若干次进行砂柱固化的操作步骤，设定砂柱固化过程中易出现异常的参数类型，得到易异常固化参数类型集；所述易异常固化参数类型集中包括菌液活性、注浆管路压力以及环境温度；再根据易异常固化参数类型集设定每个易异常固化参数对应的应对措施以及措施参数类型，得到固化参数异常应对措施集以及固化参数异常措施参数集；所述固化参数异常应对措施集中包括补充菌液、执行反冲洗程序以及启动冷却装置；所述固化参数异常措施参数集中包括补充菌液时菌液的流速、菌液补充时间、菌液补充总量、反冲洗方向、‌冲洗介质类型、‌冲洗压力、单次‌冲洗时长、‌冲洗循环次数、‌冲洗流量、冷却功率、冷却目标温度以及冷却持续时长； S32、根据所述易异常固化参数类型集、固化参数异常应对措施集以及固化参数异常措施参数集，采集S31中所述历史上若干次进行砂柱固化的操作步骤中对应的各类易异常固化参数在异常前后的数值以及对应采取的应对措施的参数数据，得到历史异常前固化参数数据集、历史异常后固化参数数据集以及历史异常措施参数数据集； S33、根据所述历史异常前固化参数数据集、历史异常后固化参数数据集以及历史异常措施参数数据集，构建输入为异常前、后的固化参数数据且输出为异常措施参数数据的映射模型，得到最终砂柱固化异常措施参数映射模型； S4、实时采集当前的砂柱固化参数数据并输入至S2中的映射模型进行映射； S5、设定抗压强度及分布差异系数双阈值，若S4中映射结果满足双阈值，重复调整固化参数并再次映射直至结果满足要求；再实时采集并计算易异常固化参数偏差，若偏差满足对应阈值，无需采取措施；否则执行S6； S6、将S5中采集的易异常固化的实时参数以及预设参数输入至S3中的映射模型中进行映射，根据映射结果执行补偿操作后反馈验证易异常参数恢复情况，若未达到预期则启动硬件备用切换；否则补偿完成。

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河海大学，其通讯地址为：210000 江苏省南京市鼓楼区西康路1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。