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 > 上海勘察设计研究院(集团)有限公司郭春生获国家专利权

上海勘察设计研究院(集团)有限公司郭春生获国家专利权

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!

龙图腾网获悉上海勘察设计研究院(集团)有限公司申请的专利一种基于卷积神经网络的结构变形预测的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:CN115688587B

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:202211373569.3,技术领域涉及:G06F30/27;该发明授权一种基于卷积神经网络的结构变形预测的方法是由郭春生;王维;赵瑞杰;雷丹;胡开麟;王吉设计研发完成,并于2022-11-04向国家知识产权局提交的专利申请。

一种基于卷积神经网络的结构变形预测的方法在说明书摘要公布了:本发明公开了一种基于卷积神经网络的结构变形预测的方法,包括以下步骤:创建不同时刻下的深基坑周边影像范围的三维体素模型;在变形监测点位置从三维体素模型上切剖面图以建立剖面图和变形监测点在当前时刻下的变形值的结构变化检测数据集;将结构变化检测数据集划分为训练集和测试集,构建一个变化预测卷积神经网络,从不同时态下的剖面图来预测结构变形值。本发明的优点是:结构变形预测方法充分考虑到了三维空间结构上的关联性,利用卷积神经网络空间关系特征提取能力,学习地下空间物质变化与结构变形之间的映射关系,较其他预测算法考虑的输入维度更高信息更全面更符合实际,从而预测结果的准确性和可靠性更佳。

本发明授权一种基于卷积神经网络的结构变形预测的方法在权利要求书中公布了:1.一种基于卷积神经网络的结构变形预测的方法,其特征在于所述方法包括以下步骤: S1:构建施工状态t时刻下的深基坑周边影像范围的三维体素模型(N,E,D,C);其中,N、E、D分别表示三维坐标系中的北坐标、东坐标以及深度;C表示(N,E,D)坐标位置处的当前施工状态t时刻下的物质特性,所述物质特性包括R、G、B,R表示压缩模量或弹性模量,G表示粘聚力或剪切模量,B表示内摩擦角; S2:基于深基坑的施工工序以及步骤S1中的三维体素模型(N,E,D,C),建立基于时序的三维体素模型(N,E,D,C);对每个变形监测点,提取所述变形监测点在不同观测时刻所对应的三维体素模型(N,E,D,C)的剖面图(H,W,C),其中,H和W分别为所获取剖面图的高度和宽度;建立所述变形监测点在当前时刻下的变形值y和剖面图(H,W,C)的结构变化检测数据集; S3:将所述结构变化检测数据集按照比例划分为训练集和测试集; S4:将结构变形预测模型在所述训练集进行训练,通过卷积和池化运算提取特征,最后全连接输出;在整个训练过程中,以加权交叉熵损失为目标优化,采用学习率自适应的随机梯度算法进行参数优化; S5:将经过训练后的所述结构变形预测模型在所述测试集上进行测试,并确定最终应用的结构变形预测模型; S6:在确定最终应用的结构变形预测模型后,从三维体素模型(N,E,D,C)上提取本期剖面图X2、上期剖面图X1以及上期实测累计变形值y1,将本期剖面图X2和上期剖面图X1输入到所述结构变形预测模型中以预测得到变形值△y,从而计算获得本期施工状态下的累计变形值y2=y1+△y。

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上海勘察设计研究院(集团)有限公司,其通讯地址为:200093 上海市杨浦区水丰路38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。