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！

龙图腾网获悉中交建筑集团有限公司;中交建筑集团东南建设有限公司;中南大学申请的专利基于XGBoost-PSO的强夯施工参数优化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：CN120123715B 。

龙图腾网通过国家知识产权局官网在2025-08-19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：202510608032.8，技术领域涉及：G06F18/211；该发明授权基于XGBoost-PSO的强夯施工参数优化方法是由王爱爱;黄子淇;李强;聂志红;何亚波;乔东星设计研发完成，并于2025-05-13向国家知识产权局提交的专利申请。

本基于XGBoost-PSO的强夯施工参数优化方法在说明书摘要公布了：本发明涉及地基处理技术领域，尤其涉及一种基于XGBoost‑PSO的强夯施工参数优化方法，包括：通过夯击试验获取多组夯沉量数据；从试验的实际测量参数中选取原始特征，再采用实际测量参数构建交互特征，并依据XGboost特征重要性排名选取最优交互特征，后对特征间的相关性进行分析；基于筛选得到的特征集合，建立夯沉量预测模型；利用粒子群算法对夯沉量预测模型进行强夯参数优化，最终得到最优夯实参数组合。本发明通过构建夯沉预测模型实现满足止夯标准前提下的夯击参数自动查优，从而达到保证施工质量、提高施工效率并降低施工成本的目的；本发明适用于各种需进行强夯处理的地基施工设计阶段，具有良好的工程适应性和推广价值。

本发明授权基于XGBoost-PSO的强夯施工参数优化方法在权利要求书中公布了：1.一种基于XGBoost-PSO的强夯施工参数优化方法，其特征在于，包括以下步骤： S1、强夯模型试验：设计并制作强夯模型，并利用多种不同规格的试验夯锤和所述强夯模型进行夯击试验，以获取若干不同参数组合下的夯沉量数据； S2、特征选取：先从强夯模型试验的实际测量参数中选取原始特征；再采用实际测量参数构建交互特征，并依据XGboost特征重要性排名选取最优交互特征；然后对原始特征和最优交互特征进行相关性分析；步骤S2具体包括： S2.1、原始特征选取：依据模型试验数据中实际测量的参数，选取夯锤质量M、提升高度H、夯锤直径D与夯击次数N作为原始特征变量；采用灰色关联分析法对各原始特征变量与目标变量之间的关联度进行计算，并将关联度大于关联度阈值的原始特征变量视为关键影响特征，纳入后续建模； S2.2、最优交互特征选取，具体步骤为： 1、确定交互特征组合形式：选取夯锤质量M与提升高度H作为构造交互特征的基础变量，设定三类组合形式MHa、MbH和McHd；其中a、b、c和d为幂次参数，用于调节非线性形态； 2、设置参数搜索范围与步长：设置a,b,c,d∈[0.1,2,0.1]； 3、构造交互特征并进行K折交叉验证：对三类组合形式的交互特征使用K折交叉验证训练XGBoost模型，并统计每轮训练中各交互特征的特征重要性指标，采用加权平均的方式获得各交互特征的稳定重要性；其中K=5； 4、计算特征总重要性与筛选最优幂次组合：将MHa、MbH和McHd三项交互特征的平均重要性值相加，定义为当前组合的总重要性；遍历所有幂次组合后，筛选出总重要性最大的幂次组合作为最终交互特征构造策略； 5、构造最优交互特征并纳入模型训练：根据评估结果，将最优幂次参数对应的交互特征正式纳入模型输入特征集合中，联合原始特征参与XGBoost模型训练； S2.3、将步骤S2.1选取的原始特征和步骤S2.2选取的最优交互特征相结合作为变量进行斯皮尔曼计算分析，若变量间相关性系数ρ0.8，则认为共线性过高，进行特征剔除；随后采用方差膨胀因子法计算vif，以确保剩余的特征vif值10； S3、基于步骤S2筛选得到的特征集合，建立XGBoost夯沉量预测模型； S4、利用粒子群算法对XGBoost夯沉量预测模型进行强夯参数优化，最终得到最优夯实参数组合。

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中交建筑集团有限公司;中交建筑集团东南建设有限公司;中南大学，其通讯地址为：100010 北京市东城区交道口南大街114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”。