Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 恭喜昆明理工大学;中铁二院昆明勘察设计研究院有限责任公司丁祖德获国家专利权

恭喜昆明理工大学;中铁二院昆明勘察设计研究院有限责任公司丁祖德获国家专利权

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!

龙图腾网恭喜昆明理工大学;中铁二院昆明勘察设计研究院有限责任公司申请的专利一种基于ATD模型的隧道施工引起地表沉降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:CN119557808B

龙图腾网通过国家知识产权局官网在2025-05-16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:202411711858.9,技术领域涉及:G06F18/2433;该发明授权一种基于ATD模型的隧道施工引起地表沉降预测方法及系统是由丁祖德;王畅羽;李贵民;郭永发;朱泽坤;丁文云;杨进京;刘正初设计研发完成,并于2024-11-27向国家知识产权局提交的专利申请。

一种基于ATD模型的隧道施工引起地表沉降预测方法及系统在说明书摘要公布了:本发明涉及地表沉降预测技术领域,特别是一种基于ATD模型的隧道施工引起地表沉降预测方法及系统,首先,利用ATD模型将地表沉降时间序列分解为两个子序列特征:施工引起的地表沉降和随机因素引起的地表沉降。其次,引入四种基于无监督学习的ML算法和五种DL算法来预测这两个子序列。然后,将子序列的预测结果进行线性组合,以获得地表沉降的预测值。本发明实施ATD模型后,每种ML和DL算法的有效性均显著提高。平均1‑R²降低了32.62%,而均方根误差(RMSE)、平均绝对误差(MAE)和平均绝对百分比误差(MAPE)分别平均降低了19.91%、23.37%和16.44%。为分析模型误差出现的频率,引入了临界误差值。结果表明,利用ATD模型可以显著降低ML和DL在地表沉降预测中的预测误差。

本发明授权一种基于ATD模型的隧道施工引起地表沉降预测方法及系统在权利要求书中公布了:1.一种基于ATD模型的隧道施工引起地表沉降预测方法,其特征在于:包括以下具体步骤:S1、数据收集及预处理:收集并处理监测区域内的原始地表沉降数据并构建原始数据集;S2、基于ARMA模型构建ATD模型:将地表沉降时间序列分解为两个子特征,用于增强机器学习和深度学习算法对非线性地表沉降数据的学习能力;S3、利用无监督学习构建对应网络,以识别隐藏的模式和内在结构;S4、利用机器学习算法及深度学习算法对S3中构建的网络,独立的用于预测子特征序列;S5、将S4中获得的子特征序列的预测结果以线性方式组合以预测地表沉降;步骤S2中构建ATD模型包括以下步骤:S21、平稳性验证:计算自相关和偏相关系数,以确保时间序列满足ARMA模型的平滑度要求;S22、根据频率和强度将时间序列分解为构成成分不同部分:和;S23、将上述两个部分按其比例随机分为训练集和测试集,用于模型训练;S24、对模型性能进行验证;基于此,可应用ARMA模型将地表沉降时间序列分解为两个部分:1)是一系列施工引起的低频沉降时间序列历史值;2)为一系列随机因素引起的沉降时间序列白噪声值,故可将ARMA模型表达式改写为: ;为简化模型复杂度,提出p=q,此外,基于MA模型的假设,建议白噪声项的平均和设为0,即: ;若共有n个样本,则自t=0时刻至t=n时刻的和,可分别构成两个时间序列及: ;其中,是一个具有周期性和均值为c的强随机时间序列,是一个周期性较弱且更线性的时间序列。

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昆明理工大学;中铁二院昆明勘察设计研究院有限责任公司,其通讯地址为:650500 云南省昆明市呈贡区景明南路727号昆明理工大学;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”。

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。