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！

龙图腾网获悉中电建路桥集团有限公司;同济大学申请的专利一种基于残差网络的结构面强度预测系统及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：CN120235813B 。

龙图腾网通过国家知识产权局官网在2025-08-26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：202411356569.1，技术领域涉及：G06T7/00；该发明授权一种基于残差网络的结构面强度预测系统及方法是由周孝武;马治国;王慧彬;艾祖斌;王进进;曹振生;舒维余;杨杰;谢雄耀;周彪设计研发完成，并于2024-09-27向国家知识产权局提交的专利申请。

本一种基于残差网络的结构面强度预测系统及方法在说明书摘要公布了：本发明公开了一种基于残差网络的结构面强度预测系统及方法，涉及地质工程技术领域，旨在解决当前方法依赖于现场测量和经验公式，存在效率低、精度不足的技术问题，包括利用残差网络对GPR图像进行特征提取的残差网络特征提取单元、结合空间扩张卷积增强感受野以捕捉更广泛上下文信息的空间扩张卷积神经网络与动态DBSCAN聚类单元、结构面强度预测单元以及“随机‑预测‑确定”结构面网络算法生成单元，本发明提出的基于GPR三瞬特征与残差网络的岩体结构面强度预测系统及方法，通过融合多源数据、应用深度学习技术和优化算法流程，实现了对岩体结构面强度的精确预测和结构面网络的智能生成，为岩石工程的设计和施工提供了有力支持。

本发明授权一种基于残差网络的结构面强度预测系统及方法在权利要求书中公布了：1.一种基于残差网络的结构面强度预测方法，其特征在于，包括下列步骤： S1、数据获取与样本集构建； 使用GPR设备在岩体表面或钻孔中采集GPR图像数据，从GPR图像中提取瞬时振幅A、瞬时频率F和瞬时相位Φ三瞬特征，再将GPR图像及其三瞬特征、空间位置信息结合，构建用于训练和测试的多域特征向量样本集； S2、雷达图像多域特征向量提取； 将GPR图像的三瞬特征A,F,Φ与空间位置信息x,y融合，形成多域特征向量集合V，其中t为时间； Vt,x,y＝pAt,x,y,Ft,x,y,Φt,x,y,x,y] S3、网络结构设计及残差网络模型构建； S301、残差网络设计：设计包含多个残差单元的深度残差网络模型； 其中，xl为第l层的输入； Wl 1和Wl 2为卷积层的权重； Conv为卷积操作； BN为批量归一化； ReLU为激活函数； S302、残差神经网络特征：通过残差学习机制提取高级特征； S4、数值模拟设置与深度学习训练； 设置不同地质条件下的数值模拟实验，生成大量的GPR图像及其对应的三瞬特征数据，再使用模拟数据和部分实测数据训练残差网络模型，进行结构面强度的初步预测； S5、深度学习结果分析； S501、模型评估：通过交叉验证、混淆矩阵评估模型的预测性能； S502、特征重要性分析：分析不同特征对预测结果的影响，优化特征选择和模型结构； S6、岩体结构面信息智能提取算法； S601、空间多尺度卷积点云分类：采用空间多尺度卷积神经网络对点云数据进行分类； S602、动态DBSCAN聚类：对候选区域进行动态DBSCAN聚类； Clusters＝DBSCANV,∈,MinPts 其中，V为多域特征向量集合； ∈为邻域半径； MinPts为最小点数； S7、结构面分割与信息提取； S701、结构面分割：在结构面分割阶段，使用图像分割算法，采用基于阈值的分割、边缘检测或图像分割技术，以基于阈值的分割为例，定义一个阈值函数来区分结构面和非结构面区域； 其中，Vx,y是点x,y处的多域特征向量； Threshold是预设的分割阈值； Maskx,y是分割后的二值掩码； 1表示结构面区域； 0表示非结构面区域； S702、信息提取：结构面被分割后，提取其几何和物理属性，结构面的面积AArea、倾角θ和倾向φ； 其中，x1,y1和x2,y2是结构面上相邻像素的坐标； PixelArea是根据图像分辨率和扫描距离进行校准后每个像素代表的实际面积； Weight是基于像素位置或特征重要性的权重； S8、结构面模型试验及效果分析； S801、结构面模型试验：在实验室中构建物理模型或数字模型，模拟实际岩体的结构面；通过控制变量，如结构面的数量、间距、倾角，观察并记录模型的行为，如强度、变形； S802、结构面效果分析：使用统计方法来评估不同结构面参数对模型行为的影响； 其中，SSBetween是组间平方和，即不同结构面参数组合之间的差异； SSTotal是总平方和； S9、实例应用及效果分析； S901、实例应用：将算法应用于实际岩体工程，进行结构面识别和强度预测； S902、实例效果分析：通过对比预测结果与现场实测数据，评估算法的准确性和可靠性； 其中，Accuracy是准确率； RMSE是均方根误差； N是样本数量； y'i是预测值； yi为真实值； S10、双向约束随机结构面生成； S1001、随机模拟：基于地质统计学原理生成初始的结构面网络； S1002、双向约束：结合地质规律和工程需求对生成的结构面网络进行约束，使用地质构造线作为约束条件，确保结构面的走向与地质构造线一致； ConstrainedNetwork＝RandomNetwork∩GeologicalConstraints 其中，ConstrainedNetwork是约束后的结构面网络； RandomNetwork是随机生成的结构面网络； GeologicalConstraints是地质约束条件； S11、结构面分布统计特征及“随机-预测-确定”网络生成； 分析结构面的分布统计特征，密度、方向性，再通过随机模拟、预测优化和确定性调整，生成最终的结构面网络； S12、现场试验验证； S1201、现场试验：在岩体工程现场进行钻孔、原位试验，获取实际的结构面数据； S1202、结果分析：对比现场实测数据与预测结果，分析误差来源，提出改进措施； S13、结构面网络反演结果分析； 基于现场试验数据，对结构面网络进行反演分析，验证预测模型的准确性，再根据反演结果调整模型参数和算法流程，实现预测精度的不断提升。

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电建路桥集团有限公司;同济大学，其通讯地址为：100048 北京市海淀区车公庄西路22号海赋国际大厦A座10层；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”。

以上内容由龙图腾AI智能生成。