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！

龙图腾网获悉湖南科技大学申请的专利一种基于改进的非等间距灰色模型的建筑物沉降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：CN115238977B 。

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：202210823525.X，技术领域涉及：G06Q10/04；该发明授权一种基于改进的非等间距灰色模型的建筑物沉降预测方法是由张东水;李泳兴;韩用顺;肖艳鲁;韦建超;方军;谢建设计研发完成，并于2022-07-13向国家知识产权局提交的专利申请。

本一种基于改进的非等间距灰色模型的建筑物沉降预测方法在说明书摘要公布了：本发明提供了一种基于改进的非等间距灰色模型的建筑物沉降预测方法，包括以下步骤：步骤一，对累计沉降数据序列进行变换得cotx函数变换沉降数据序列x1 0，对x1 0加权并一阶累加得一阶累加沉降数据序列；步骤二，利用一阶累加沉降数据序列构建cotx函数变换的非等间距GM1,1模型，并计算模型的初始适应度；步骤三，运用粒子群算法得出模型的背景值最优权重参数；步骤四，用步骤三优化后的权重参数建立改进后的cotx函数变换的非等间距GM1,1模型；步骤五，对建筑物累计沉降数据趋势进行拟合预测，拟合预测结果进行精度检验。本发明方法简单，易于实现，其沉降预测效果好，并且不需要大量的前期沉降数据，节约了沉降监测数据成本。

本发明授权一种基于改进的非等间距灰色模型的建筑物沉降预测方法在权利要求书中公布了：1.一种基于改进的非等间距灰色模型的建筑物沉降预测方法，其特征在于，包括以下步骤： 步骤一：对累计沉降数据序列x0进行变换得cotx函数变换沉降数据序列x1 0，对x1 0加权并一阶累加得一阶累加沉降数据序列x1 1；累计沉降数据序列x0＝{x0t1,x0t2,…,x0tn}，其中t1，t2…tn为累计沉降数据所对应的数据观测时间，x0表示建筑物累计沉降数据； 对累计沉降数据序列x0作压缩变换以满足cotx函数变换区间： 其中ti＝{t1,t2,…,tn}，N和q为常数，中间变量Y0ti表示ti时刻的压缩变换；cotx函数变换沉降数据序列x1 0＝{x1 0t1,x1 0t2,…,x1 0tn}＝{cotY0t1,cotY0t2,…,cotY0tn}进行一阶累加生成时通过添加时间权Δti＝ti-ti-1,i＝2,3,…,n，得到一阶累加沉降数据序列x1 1＝{x1 1t1,x1 1t2,…,x1 1ti,…,x1 1tn}，其中 其中，Δti表示第i次观测时和第i-1次观测时的累计沉降数据之间的时间差,当i＝1时Δt1＝1；x1 0表示累计沉降数据x0进行cotx函数变换之后的数据，x1 1表示一阶累加沉降数据，x1 1ti表示ti时刻的一阶累加沉降数据； 步骤二：利用一阶累加沉降数据序列x1 1构建cotx函数变换的非等间距GM1,1模型，并计算模型的初始适应度；初始适应度即cotx函数变换沉降数据序列x1 0和模型拟合序列的平均相对误差； 步骤三：运用粒子群算法得出cotx函数变换的非等间距GM1,1模型的背景值最优权重参数λ′；粒子群算法中每一个粒子代表一个第i次观测时的一阶累计沉降变换值x1 1ti和第i-1次观测时的一阶累计沉降变换值x1 1ti-1之间的拟合系数，包括： S31、粒子初始化，设置粒子数，随机化粒子位置λ＝[0,1]和粒子速度vlimit＝[-1,1]，设置最大迭代数，设置个体的初始最佳位置λbest＝0.5和和初始最佳适应度以及群体的初始最佳位置λbest＝0.5和初始最佳适应度 S32、计算每个粒子的适应度； S33、依据计算得到的每个粒子的适应度更新每个粒子的个体最佳位置和粒子群的群体最佳位置； S34、根据新的个体最佳位置和群体最佳位置更新粒子群每个粒子的速度和位置，再判断每个粒子的速度和位置是否超出粒子位置限制和速度限制，若超出，则令每个粒子的速度和位置等于对应的限制边界值，所述粒子的速度和位置具体为： vk m+1＝c0vk m+c1rkpbestk-xk m+c2rk′gbestk-xk m xk m+1＝xk m+vk m+1 其中vk m、xk m、vk m+1和xk m+1分别为第m次和第m+1次迭代中第k个粒子的速度和位置，c0∈[0.5,1]为惯性权重因子，c1,c2∈0,4为自我和群体学习因子，rk和rk′为[0,1]之间的随机数；每个粒子通过第m次迭代的个体最佳位置pbestk和群体最佳位置gbestk更新自己的速度和位置作为第m+1次粒子的初始速度和位置，直到迭代完成，记录第m次其群体最佳位置gbestk和群体最佳适应度 S35、判断是否达到最大迭代数，若没有达到，则转S32；若达到最大迭代数则输出群体最佳位置gbestk即最优权重参数λ′； 步骤四：用步骤三优化后的权重参数λ′建立改进后的函数cotx变换的非等间距GM1,1模型； 步骤五：利用步骤四改进后的模型对建筑物累计沉降数据趋势进行拟合预测，拟合预测结果使用相对误差和灰色关联度指标进行精度检验，所述拟合预测为： 将cotx函数变换沉降数据序列x1 0代入改进后的cotx函数变换的非等间距GM1,1模型即得拟合预测序列最后进行反余切再通过压缩公式的还原得到累计沉降数据序列x0的拟合预测值公式中ti＝{t1,t2,…,tn}为累计沉降数据所对应的数据观测时间，N和q为常数，n为沉降数据的个数； 运用粒子群算法寻找背景值最优权重参数λ′时，设置粒子数、随机化粒子位置和速度、设置最大迭代数。

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湖南科技大学，其通讯地址为：411201 湖南省湘潭市雨湖区石马头湖南科技大学；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”。