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！

龙图腾网获悉长安大学申请的专利一种方钢管混凝土短柱轴压承载力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：CN118260835B 。

龙图腾网通过国家知识产权局官网在2025-08-15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：202410347872.9，技术领域涉及：G06F30/13；该发明授权一种方钢管混凝土短柱轴压承载力预测方法是由朱伟庆;窦通宇;孙敬航;韦李欣;杨成;齐佳轩设计研发完成，并于2024-03-26向国家知识产权局提交的专利申请。

本一种方钢管混凝土短柱轴压承载力预测方法在说明书摘要公布了：本发明公开了一种方钢管混凝土短柱轴压承载力预测方法，包括：一、对N根方钢管混凝土短柱进行轴压试验，则获取N个方钢管混凝土短柱的轴压承载力以及N组轴压承载力影响因素数据；二、获取关联度高影响因素集合；三、得到影响因素降维矩阵；四、方钢管混凝土短柱轴压承载力预测模型的训练，五、后续方钢管混凝土短柱的轴压承载力的预测。本发明方法步骤简单、利用方钢管混凝土短柱的历史数据，实现方钢管混凝土短柱轴压承载力预测模型的获取，并采用方钢管混凝土短柱轴压承载力预测模型进行轴压承载力的预测，预测精度高，从而解决目前试验研究、数值模拟、理论计算方法的问题。

本发明授权一种方钢管混凝土短柱轴压承载力预测方法在权利要求书中公布了：1.一种方钢管混凝土短柱轴压承载力预测方法，其特征在于，该方法包括以下步骤： 步骤一、对N根方钢管混凝土短柱进行轴压试验，则获取N个方钢管混凝土短柱的轴压承载力以及N组轴压承载力影响因素数据；其中，每组所述轴压承载力影响因素包括方钢管长度、方钢管宽度、方钢管壁厚、约束效应系数、含钢率、短柱高度、钢管屈服强度和混凝土强度； 步骤二、采用计算机利用初值灰色关联度分析法对N个方钢管混凝土短柱的轴压承载力以及N组轴压承载力影响因素数据进行灰色关联度分析，获取关联度高影响因素集合； 步骤三、采用计算机利用非负矩阵分解法对关联度高影响因素集合对应的关联度高影响因素变量矩阵进行分解，得到影响因素降维矩阵； 步骤四、方钢管混凝土短柱轴压承载力预测模型的训练： 构建前馈神经网络模型并输入影响因素降维矩阵和其对应的轴压承载力训练，得到训练好的前馈神经网络模型，并将训练好的前馈神经网络模型记作方钢管混凝土短柱轴压承载力预测模型； 步骤五、后续方钢管混凝土短柱的轴压承载力的预测： 将后续方钢管混凝土短柱的影响因素数据输入步骤四中的方钢管混凝土短柱轴压承载力预测模型，输出该后续方钢管混凝土短柱对应的轴压承载力预测值； 步骤三，具体过程如下： 步骤301、将关联度高影响因素集合中各个关联度高影响因素分别记作第1个关联度高影响因素，...，第j个关联度高影响因素，...，第J个关联度高影响因素；其中，j和J均为正整数，且1≤j≤J； 步骤302、采用计算机建立关联度高影响因素变量矩阵H，且其中，hnj表示第n组轴压承载力对应的第j个关联度高影响因素值； 步骤303、采用计算机对关联度高影响因素变量矩阵H进行标准化处理后生成标准化矩阵H*，且其中，h*nj表示标准化矩阵H*中第n行第j列元素，且 表示关联度高影响因素变量矩阵H中第j列元素的平均值，且sj表示关联度高影响因素变量矩阵H中第j列元素的标准差，|·|表示绝对值； 步骤304、采用计算机得到第j列和第j′列的相关系数Rj,j′；其中，j和j′的取值范围均为1～J，且j≠j′；表示标准化矩阵H*中第j列元素的平均值，表示标准化矩阵H*中第j′列元素的平均值，h*nj′表示标准化矩阵H*中第n行j′列元素； 步骤305、采用计算机对第j列和第j′列的相关系数Rj,j′进行判断，如果存在一个相关系数大于0.5，执行步骤306； 步骤306、采用计算机利用非负矩阵分解法对标准化矩阵H*进行非负矩阵分解，得到目标函数JW,M＝||H*-WM||2最小化下的第一个非负矩阵W和第二个非负矩阵M；其中，||·||表示F范数；第一个非负矩阵W的大小为N×R，第二个非负矩阵M的大小为R×J，R为矩阵参数，R为大于等于1的正整数，且满足J+NR＜N×J，R＜min{J，N}； 步骤307、采用计算机将第一个非负矩阵W作为影响因素降维矩阵； 步骤四，具体过程如下： 步骤401、构建前馈神经网络模型；其中，所述前馈神经网络模型包括输入层，第1个隐含层，...第l个隐含层，...，第L个隐含层和输出层，输入层的神经元个数与R相同，输出层的神经元个数为1，l和L为正整数，且1≤l≤L； 步骤402、采用计算机将影响因素降维矩阵中第n行元素作为第n个训练样本； 步骤403、采用计算机将第n个训练样本作为输入，第n个训练样本对应的第n个方钢管混凝土短柱的轴压承载力作为输出，得到第n个训练样本； 步骤404、多次重复步骤403，直至将影响因素降维矩阵中第N行元素作为第N个训练样本，得到训练集； 步骤405、采用计算机将训练集输入步骤401中的前馈神经网络模型进行训练，得到训练好的前馈神经网络模型。

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长安大学，其通讯地址为：710064 陕西省西安市雁塔区南二环中段33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”。