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！

龙图腾网获悉武汉大学申请的专利一种融合机器学习的大坝风险贝叶斯网络模型建模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：CN115659774B 。

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：202211072733.7，技术领域涉及：G06F30/27；该发明授权一种融合机器学习的大坝风险贝叶斯网络模型建模方法是由唐贤琪;何金平;陈安逸设计研发完成，并于2022-09-02向国家知识产权局提交的专利申请。

本一种融合机器学习的大坝风险贝叶斯网络模型建模方法在说明书摘要公布了：本发明公开了一种融合机器学习的大坝风险贝叶斯网络模型建模方法，包括以下步骤：S1、从包含历史数据的原始数据集中剔除异常值，获得大坝事故数据集并从中提取特征信息；S2、采用增强回归树算法从大坝事故数据集中选取关键风险因素；S3、基于关键风险因素，通过结构学习算法构建大坝风险模型的网络结构；S4、基于网络结构，通过参数学习算法确定大坝风险模型的网络参数；S5、对大坝风险模型的性能进行评估。本发明解决了现有技术在利用贝叶斯网络构建大坝风险模型时，需要基于领域知识人为选择风险因素以及手动构建网络，进而导致建模难度高、主观性强、可靠性差的问题。

本发明授权一种融合机器学习的大坝风险贝叶斯网络模型建模方法在权利要求书中公布了：1.一种融合机器学习的大坝风险贝叶斯网络模型建模方法，其特征在于，包括以下步骤： S1、从包含历史数据的原始数据集中剔除异常值，获得大坝事故数据集并从中提取特征信息； S2、采用增强回归树算法从大坝事故数据集中选取关键风险因素； S3、基于关键风险因素，通过结构学习算法构建大坝风险模型的网络结构； S4、基于网络结构，通过参数学习算法确定大坝风险模型的网络参数； S5、对大坝风险模型的性能进行评估； 所述S2具体为： S21、采用K倍交叉验证方法将大坝事故数据集随机划分为K个相同大小的数据子集，对第个数据子集基于完整预测变量集拟合BRT模型，得到第个数据样本对应的响应变量的初始预测值； S22、采用二分类交叉熵计算第个数据子集的初始预测偏差，对K个数据子集取平均值得到BRT模型的初始预测偏差； S23、从完整预测变量集中剔除单个风险因素，得到预测变量子集，基于拟合新的BRT模型得到新的预测偏差，对完整预测变量集中各风险因素进行分别剔除并得到每个风险因素对应的预测偏差，进而统合得到每个风险因素对BRT模型预测偏差的贡献； S24、从完整预测变量集中逐步剔除个风险因素，剔除顺序由各风险因素对预测偏差的贡献决定，其中最小的风险因素最先被剔除，从而得到BRT模型预测偏差随变量剔除个数的变化； S25、根据噪声阈值准则，满足该准则时对应的为需要剔除的风险因素的个数，此时预测变量集中剩余的风险因素为关键风险因素，其个数为。

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武汉大学，其通讯地址为：430072 湖北省武汉市武昌区八一路299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”。