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！

龙图腾网恭喜中国电建集团成都勘测设计研究院有限公司;中国科学院武汉岩土力学研究所申请的专利基于多源数据的极高应力深部洞群围岩变形演化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：CN119538014B 。

龙图腾网通过国家知识产权局官网在2025-04-04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：202510099745.6，技术领域涉及：G06F18/24；该发明授权基于多源数据的极高应力深部洞群围岩变形演化预测方法是由张世殊;何雨健;胡亚东;李邵军;程丽娟;冉从彦;李青春;肖华波设计研发完成，并于2025-01-22向国家知识产权局提交的专利申请。

本基于多源数据的极高应力深部洞群围岩变形演化预测方法在说明书摘要公布了：本发明主要涉及地质预测技术领域。提供一种基于多源数据的极高应力深部洞群围岩变形演化预测方法，包括用于预测地下洞室围岩的稳定性程度构建地下洞室围岩稳定性分类模型；收集地下洞室围岩多源监测数据建立多源特征数据集，从中筛选出主成分因子；基于筛选出的主成分因子与围岩的稳定性程度建立地下洞室围岩形变预测的影响因子集；构建地下洞室围岩形变预测模型，并对进行训练；构建目标围岩的地下洞室围岩形变预测的影响因子集，训练完成的地下洞室围岩形变预测模型基于目标围岩的地下洞室围岩形变预测的影响因子集对目标围岩进行形变预测，能够快速准确地分析极高应力下深部洞群围岩形变演化结果，为现场施工提供决策依据。

本发明授权基于多源数据的极高应力深部洞群围岩变形演化预测方法在权利要求书中公布了：1.基于多源数据的极高应力深部洞群围岩变形演化预测方法，其特征在于，包括：步骤S1：构建地下洞室围岩稳定性分类模型预测地下洞室围岩稳定性程度；步骤S2：收集地下洞室围岩多源监测数据建立多源特征数据集，分析多源特征数据集中各因子的内部关联以及对围岩形变的贡献程度，从中筛选出主成分因子，将筛选出的主成分因子与地下洞室围岩的稳定性程度作为地下洞室围岩形变预测影响因子集；步骤S3：收集已开挖地下洞室围岩形变数据和地下洞室围岩形变预测影响因子集参数；步骤S4：构建地下洞室围岩形变预测模型，基于收集的已开挖地下洞室围岩形变数据和地下洞室围岩形变预测影响因子集参数对构建的地下洞室围岩形变预测模型进行训练；步骤S5：构建目标地下洞室围岩形变预测影响因子集，基于训练完成的地下洞室围岩形变预测模型对目标地下洞室围岩进行形变预测；步骤S1所述构建地下洞室围岩稳定性分类模型包括：制定地下洞室围岩稳定性程度的分类量化标准；基于灰色关联度法筛选出影响地下洞室围岩稳定性的关键地质特征参数；将影响地下洞室围岩稳定性的关键地质特征参数值作为DCNN-SVC模型的输入，地下洞室围岩稳定程度分类量化标准值作为输出，对DCNN-SVC模型进行训练；训练过程中，利用DCNN网络结构对关键地质特征参数进行特征提取，将特征提取完成后的关键地质特征参数作为输入递进SVC模型中，基于ISABO算法搜寻SVC模型的最优超参数组合，将最优超参数组合赋予SVC模型，获得训练完成的地下洞室围岩稳定性分类模型；步骤S4所述构建地下洞室围岩形变预测模型具体包括：将所述已开挖地下洞室围岩形变预测影响因子集和对应的地下洞室围岩形变数据按比例分为训练集与测试集；将训练集中的地下洞室围岩形变预测影响因子集参数作为SVR模型的输入参数，对应的地下洞室围岩形变数据作为SVR模型的真实输出标签对SVR模型进行训练；模型训练过程中基于NRBO寻优算法对SVR模型进行参数寻优，以确定SVR模型的核函数参数和惩罚因子；将优化后的核函数参数和惩罚因子赋予SVR模型，获得训练完成的地下洞室围岩形变预测模型。

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国电建集团成都勘测设计研究院有限公司;中国科学院武汉岩土力学研究所，其通讯地址为：610072 四川省成都市青羊区浣花北路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”。