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 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 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 > 大连海事大学姜谙男获国家专利权

大连海事大学姜谙男获国家专利权

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!

龙图腾网获悉大连海事大学申请的专利一种富水区拱盖法车站流固耦合参数的实时反演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:CN115659772B

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:202210612904.4,技术领域涉及:G06F30/27;该发明授权一种富水区拱盖法车站流固耦合参数的实时反演方法是由姜谙男;郑福;宋业华;李兴盛设计研发完成,并于2022-05-31向国家知识产权局提交的专利申请。

一种富水区拱盖法车站流固耦合参数的实时反演方法在说明书摘要公布了:本发明公开了一种富水区拱盖法车站流固耦合参数的实时反演方法,包括:设置富水区拱盖法车站的自动化监测系统;建立地层和车站开挖的三维数值计算模型;建立卷积神经网络模型并进行训练,获取参数w、b,卷积神经网络模型的输入与输出的映射关系;确定卷积神经网络模型的最优超参数组合;获取最优卷积神经网络模型及最优卷积神经网络模型输入与输出的映射关系;获取围岩流固耦合参数;调整富水区拱盖法车站的支护形式。本发明通过建立卷积神经网络模型并进行优化,实现对富水区拱盖法车站流固耦合参数的反演。具有工作量小、计算耗时少、成本低、精度高、可靠性高等优点,极大提高围岩体流固耦合参数反演的效率,而且普适性强。

本发明授权一种富水区拱盖法车站流固耦合参数的实时反演方法在权利要求书中公布了:1.一种富水区拱盖法车站流固耦合参数的实时反演方法,其特征在于,包括如下步骤: S1:设置富水区拱盖法车站的自动化监测系统,以获取车站下部主体岩体开挖过程中的涌水量、两侧高边墙的收敛位移值、拱顶沉降位移值、第一拱腰沉降位移值和第二拱腰沉降位移值; S2:根据富水区拱盖法车站的支护结构及富水区拱盖法车站所处的地质条件,建立地层和车站开挖的三维数值计算模型;以获取模拟涌水量、模拟两侧高边墙的收敛位移值和模拟拱顶沉降位移值、模拟第一拱腰沉降位移值和模拟第二拱腰沉降位移值及模拟围岩流固耦合参数; 所述围岩包括围岩层Ⅰ和围岩层Ⅱ; 所述模拟围岩流固耦合参数包括:模拟围岩层Ⅰ的弹性模量、模拟围岩层Ⅰ的渗透系数,模拟围岩层Ⅱ的弹性模量、模拟围岩层Ⅱ的渗透系数; S3:建立以所述模拟涌水量、模拟两侧高边墙的收敛位移值和模拟拱顶沉降位移值、模拟第一拱腰沉降位移值和模拟第二拱腰沉降位移值为输入,模拟围岩流固耦合参数为输出的样本集;以获取训练集和测试集; S4:根据所述训练集,建立卷积神经网络模型并进行训练,获取卷积神经网络参数w、b,卷积神经网络模型的输入与输出的映射关系; 所述S4中,所述卷积神经网络模型建立如下: S41:初始化卷积神经网络训练参数w、b;其中,w为权重矩阵;b为偏置; S42:在卷积神经网络模型的输入层输入所述训练集,并对所述训练集的数据进行归一化处理; 对所述训练集数据进行归一化处理的方法如下: 式中:Xnormi为归一化后的输入列的数据值;Xi为输入第i列的真实数据值;Xmini为输入列的最小值;Xmaxi为输入列的最大值;Ynormj为归一化后的输出列的数据值;Yj为输出第j列的真实数据值;Yminj为输出列的最小值;Ymaxj为输出列的最大值;X为输入数据向量矩阵;Y为输出数据向量矩阵; S43:通过卷积神经网络的卷积层提取所述训练集的样本特征; S44:通过下采样层降低所述样本特征的维度; S45:通过全连接层连接上一层的所有特征,并且将所述全连接层作为输出层,输出卷积围岩流固耦合参数; S46:建立损失函数,比较卷积围岩流固耦合参数与所述围岩流固耦合参数之间的误差信息,以通过所述误差信息调整w、b的取值; S47:获取所述卷积神经网络模型的输入与输出的映射关系: Ynorm=CNNXnorm3 式中:Ynorm为标准化后的输出数据;CNN代表卷积神经网络模型;v为输出数据的维度,Xnorm为标准化后的输入数据,u为输入数据的维度; S5:根据所述测试集,确定卷积神经网络模型的最优超参数组合; S6、根据卷积神经网络参数w、b和卷积神经网络的最优超参数组合,获取最优卷积神经网络模型及最优卷积神经网络模型输入与输出的映射关系; S7:根据所述最优卷积神经网络模型输入与输出的映射关系,将涌水量、两侧高边墙的收敛位移值、拱顶沉降位移值、第一拱腰沉降位移值和第二拱腰沉降位移值输入所述最优卷积神经网络模型,获取围岩流固耦合参数; 所述围岩流固耦合参数包括:围岩层Ⅰ的弹性模量、围岩层Ⅰ的渗透系数,围岩层Ⅱ的弹性模量、围岩层Ⅱ的渗透系数 S8:根据所述围岩流固耦合参数,调整富水区拱盖法车站的支护形式。

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大连海事大学,其通讯地址为:116000 辽宁省大连市甘井子区凌水街道凌海路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”。

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。