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！

龙图腾网恭喜中建交通建设集团有限公司;石家庄铁道大学;北京交通大学申请的专利一种基于数据驱动的轨道结构动力学预测模型的构建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：CN119180208B 。

龙图腾网通过国家知识产权局官网在2025-04-29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：202411263986.1，技术领域涉及：G06F30/27；该发明授权一种基于数据驱动的轨道结构动力学预测模型的构建方法是由姜涵文;王东;赵伊楠;高亮;刘增杰;李毅;王国战;董文秀;张坤;于木里;徐永力设计研发完成，并于2024-09-10向国家知识产权局提交的专利申请。

本一种基于数据驱动的轨道结构动力学预测模型的构建方法在说明书摘要公布了：本发明公开了一种基于数据驱动的轨道结构动力学预测模型的构建方法，通过搭建预测模型、进行模型训练、进行模型预测、选定模型性能评价指标、对预测模型进行优化研究、对模型性能进行对比验证的步骤构建了基于数据驱动的轨道结构动力学预测模型，构建的预测模型用于轨道结构动态响应预测，以轴箱加速度和轨道不平顺信息为输入，预测模型能够快速、高效、准确地输出轨道结构的动态响应；构建的预测模型用于高速铁路、城市轨道交通及重载铁路等线路的轨道结构动力响应预测，实现了轨道结构动态响应和动力状态的快速评估。

本发明授权一种基于数据驱动的轨道结构动力学预测模型的构建方法在权利要求书中公布了：1.一种基于数据驱动的轨道结构动力学预测模型的构建方法，其特征是，包括以下步骤：S1，进行基于数据驱动的轨道结构动力学预测模型的搭建；预测模型的结构包括输入层、输出层、循环层和全连接层，输入层、输出层、循环层和全连接层相互平行，数据在输入层输入，依次经过循环层和全连接层后经由输出层输出，完成预测模型结构的搭建；预测模型中，单层序列的长度为t，输入及输出均采用向量模式，输入和输出向量分别为x和y，h0和h分别为循环层单元的初始状态和隐含层状态；S2，对预测模型进行训练：采用定时后向传播算法，每次梯度计算均随机选取训练集中的一个子集，子集内样本含量均为N，序列长度为T，损失函数采用均方误差；预测模型的训练具体包括以下步骤，S21，对数据进行标准化：训练集为{x,y}＝{[x1,x2,...,xN],[y1,y2,...,yN]}，其中n和m分别表示输入和输出的维度；采用Z-score标准化方法处理训练集，采用均值和标准差对数据进行标准化处理，处理后的数据符合均值为0、方差为1的标准正态分布；标准化处理公式如下： 式中，x*为标准化后的数据；μ和σ分别是平均和标准差；S22，对标准化后的数据子集进行随机选取和数据规整：从标准化的数据集中随机选取N段序列作为子集，每段序列长度为T，之后将选取的数据规整成3维张量tensor形式，使用{xN，yN}表示，xN和yN的维度分别为N×T×n和N×T×m；S23，正向传播：首先初始化模型参数和循环层初始状态，选取训练数据xN输入预测模型中，得到输出值根据目标值yN得到损失函数；具体算式如下： 为避免预测模型在训练过程中出现过拟合现象，在损失函数公式中加入包含权重和偏置的模型参数ξ的正则化项，得到正则化的损失函数如下： 式中，λ为正则化系数；S24，误差传播：沿时间方向和逐层向下的方向进行误差传播；S25，更新模型参数：通过计算隐含层状态对模型参数ξ的偏导数完成对模型参数的更新： 式中，η为学习率；Hi代表或S26，训练终止：重复步骤S22-S25直到设定的训练次数后终止训练；S3，进行预测模型预测；不断输入和输出数据的同时并保存处于末端的模型循环层单元的状态h，当新的数据输入时，上一组数据的h作为新一组数据的初始状态，并进行新一轮预测，往复循环不断更新模型循环层单元节点的状态，使得模型循环层单元节点充分考虑前后数据之间的关联关系；S4，选定预测模型性能评价指标；采用绝对和相对评价指标对预测模型的性能进行评价；S5，对预测模型进行优化研究，进一步提高预测模型的输出精度和鲁棒性；S6，对预测模型的性能进行对比验证，包括预测精度的对比验证和模型求解效率的对比分析；S7，在预测精度和模型求解效率达到预期时，完成预测模型的构建。

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建交通建设集团有限公司;石家庄铁道大学;北京交通大学，其通讯地址为：100040 北京市丰台区小屯路100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”。