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！

龙图腾网获悉四川西香高速建设开发有限公司;长安大学;成都建工路桥建设有限公司申请的专利一种基于多源数据融合的隧道变形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：CN118981601B 。

龙图腾网通过国家知识产权局官网在2025-08-05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：202410967584.3，技术领域涉及：G06F18/10；该发明授权一种基于多源数据融合的隧道变形预测方法是由李文权;吴永建;赵旭;罗刚;杨云生;宋子政;陈红兵;高进设计研发完成，并于2024-07-18向国家知识产权局提交的专利申请。

本一种基于多源数据融合的隧道变形预测方法在说明书摘要公布了：本发明公开了一种基于多源数据融合的隧道变形预测方法，涉及隧道变形监测技术领域，包括收集隧道数据进行预处理，对预处理后的隧道数据进行融合；提取隧道特征，构建隧道变形预测模型进行隧道变形预测；对实时预测的结果进行评估与预警，构建可视化界面实时展示隧道数据，存储收集和分析产生的隧道数据。本发明通过收集隧道数据的隧道数据进行融合，构建隧道变形预测模型进行隧道变形预测，融合方法优化数据的表征能力，不仅能够捕捉历史数据中的时间序列特征，还能够基于当前实时数据进行动态预测，显著提高隧道变形的预警能力，为隧道的安全运营管理提供强有力的技术支持，减少由于数据误差导致的安全隐患。

本发明授权一种基于多源数据融合的隧道变形预测方法在权利要求书中公布了：1.一种基于多源数据融合的隧道变形预测方法，其特征在于：包括， 收集隧道数据进行预处理，对预处理后的隧道数据进行融合； 提取隧道特征，构建隧道变形预测模型进行隧道变形预测； 对实时预测的结果进行评估与预警，构建可视化界面实时展示隧道数据，存储收集和分析产生的隧道数据； 所述收集隧道数据进行预处理指在隧道内部布设光纤光栅传感器，设置数据收集频率为每秒一次，收集传感器数据，包括隧道的位移和应变，使用地质雷达系统GPR进行地下结构探测，获取隧道土壤抗压强度数据，在隧道区域以及周边布设气象监测站，实时收集气象数据，在施工现场布设数据记录系统中收集挖掘长度数据； 对收集到的隧道数据进行清洗，使用中值滤波和移动平均方法平滑隧道数据，使用线性插值方法对收集隧道数据中的缺失值进行填补，对隧道数据进行标准化处理，使用插值和插补方法将隧道土壤抗压强度和传感器数据进行空间对齐处理，使用时间戳对齐算法将收集的隧道数据按照时间戳进行同步； 使用皮尔逊相关系数计算历史传感器和气象数据与隧道变形之间的相关性ri，公式为： 其中xi为第i个历史传感器和气象数据的观测值，yi为第i个历史隧道变形的观测值，和为历史传感器和气象数据与历史隧道变形的平均值； 计算加权融合权重为： 其中ωi为传感器和气象数据的权重，ri为传感器和气象数据与隧道变形的皮尔逊相关系数，rj为数据类型的相关系数总和，n为传感器和气象数据的总数； 将传感器和气象数据执行加权线性融合，公式为： 其中Dlinear为线性融合后的传感器和气象数据，Di为第i种传感器和气象数据； 对隧道土壤抗压强度和挖掘长度数据使用高斯核函数进行核PCA，公式为： 其中ku,v为数据点u和v之间的核函数值，σ为核函数的宽带参数； 通过交叉验证选择最佳的σ值； 计算所有数据点对之间的核函数值，形成核矩阵K； 将核矩阵K进行中心化处理，公式为： K′＝K-1oK-K1o+1oK1o， 其中K′为中心化后的核矩阵，1o为o×o的矩阵，1oK为列均值矩阵，K1o为行均值矩阵，1oK1o为调整项； 将中心化后的核矩阵K′进行特征分解，根据累积贡献率选择排名前三的特征向量作为主要成分； 使用选定的主要成分将原始数据映射到低维空间，得到非线性融合后的隧道土壤抗压强度和挖掘长度数据Dkernel； 结合线性融合后的传感器和气象数据与非线性融合后的隧道土壤抗压强度和挖掘长度数据，形成综合的隧道数据，公式为： Dfusion＝α·Dlinear+1-α·Dkernel， 其中Dfusion为综合的隧道数据，α为调节参数； 所述提取隧道特征指收集综合历史隧道数据进行预处理和标准化，生成自编码器训练集； 构建自编码网络，包括输入层、隐藏层和输出层； 设定输入层为综合隧道数据； 使用自编码器训练集训练自编码网络模型，使用损失函数和Adam优化器进行模型参数迭代优化； 将综合的隧道数据Dfusion输入到训练好的自编码网络模型中，得到隧道特征F； 所述构建隧道变形预测模型进行隧道变形预测指使用有限元方法FEM模拟隧道的应力应变状态，基于实际隧道土壤抗压强度和挖掘长度数据构建模拟模型，运行模拟模型，得到隧道在不同工程条件下的变形数据S； 收集历史隧道数据进行预处理和标准化，使用训练好的自编码网络模型得到历史隧道特征F′，生成模型训练集； 构建长短期记忆网络LSTM模型，包括输入层、LSTM层和输出层； 设定输入层为历史隧道特征F′，初始设置两层LSTM，每层128个单元； 使用模型训练集训练长短期记忆网络LSTM模型，使用损失函数和Adam优化器进行模型参数迭代优化； 将隧道特征F输入到训练好的长短期记忆网络LSTM模型中，得到隧道变形预测结果P′； 定义误差E为在同一隧道相同时间点上的数据情况下，拟模型的结果S和长短期记忆网络LSTM模型预测结果P′的差异，公式为： E＝|S-P′|； 重新调整长短期记忆网络LSTM模型预测结果P′得到调整后的预测结果P，公式为： 其中τ为误差E的标准差，γ为加权调整因子； 将P作为隧道变形预测结果。

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四川西香高速建设开发有限公司;长安大学;成都建工路桥建设有限公司，其通讯地址为：615000 四川省凉山彝族自治州西昌市北碧府路66号康宏国际A座9楼1号、6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”。