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！

龙图腾网获悉哈尔滨工业大学申请的专利一种大数据驱动斜拉桥施工阶段索力多目标智能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：CN120030653B 。

龙图腾网通过国家知识产权局官网在2025-09-09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：202510119465.7，技术领域涉及：G06F30/13；该发明授权一种大数据驱动斜拉桥施工阶段索力多目标智能优化方法是由高庆飞;何其峻;梁锐鸿;于洪伟;赵琳琳;高亮;董易典;曹明国;姜在阳;刘洋设计研发完成，并于2025-01-24向国家知识产权局提交的专利申请。

本一种大数据驱动斜拉桥施工阶段索力多目标智能优化方法在说明书摘要公布了：一种大数据驱动斜拉桥施工阶段索力多目标智能优化方法，涉及桥梁施工智能优化技术领域。该方法步骤依次为：初始施工阶段索力确定；初始施工阶段索力集合生成；有限元模型正装分析形成数据集；可能二分点子集获取；最优二分点确定；预测功能模型构建；拒绝度矩阵获取；施工阶段索力集合分级；密度算子矩阵获取；生成第代施工阶段索力集合；最优施工阶段索力集合获取。通过大数据分析和智能优化算法，结合施工阶段的多目标优化需求，全面考虑了施工环境、材料性能和力学行为的复杂性，能够有效提升大跨度斜拉桥的施工精度和成桥质量。

本发明授权一种大数据驱动斜拉桥施工阶段索力多目标智能优化方法在权利要求书中公布了：1.一种大数据驱动斜拉桥施工阶段索力多目标智能优化方法，其特征在于：包括以下步骤： 步骤一：初始施工阶段索力确定 建立斜拉桥有限元模型，设施工过程共有Π批次张拉，通过逆向倒拆模拟获得每一批次张拉的初始索力大小S0 n，n＝1,2,...,Π-1,Π，初始施工阶段索力矩阵表示如下： S0＝[S0 1S0 2…S0 Π-1S0 Π]T； 步骤二：初始施工阶段索力集合生成 对于初始施工阶段索力集合个体的生成，设置索力变化范围为[-ΔS0 n,ΔS0 n]，随机抽取索力变化值Δs0 nN，得到索力变化值矩阵Δs0 N表示如下： Δs0 N＝[Δs0 1NΔs0 2N…Δs0 Π-1NΔs0 ΠN]T 进而得到初始施工阶段索力集合M0表示如下： 式中，Δs0 nN～U[-ΔS0 n,ΔS0 n]，ΔS0 n＝0.1×S0 n，N＝{1,2,...,499,500}，M0 N＝S0+Δs0 N，C0 nN＝S0 n+Δs0 nN； 步骤三：有限元模型正装分析形成数据集 使用每一个初始施工阶段索力集合个体进行正装分析，得到成桥索力矩阵A1 N与成桥锚点高程矩阵A2 N； 将M0 1,M0 2,...,M0 499,M0 500与对应的At 1,At 2,...,At 499,At 500作为原始数据集， t＝1,2，重复从原始数据集中随机有放回的抽取全部个体记作组成训练集Xs，与之对应的At N记作At Ns组成训练子集Yt s，设第s次抽取中未被抽取过的和对应的At N有L对并表示为MTest øN和ATestt øN分别组成测试集XTest s与测试子集YTestt s，ø＝1,2,...L-1,L，表示如下： Yt Ns＝[At 1sAt 2s…At 499sAt 500s] YTestt s＝[ATestt 1sATestt 2s…ATestt L-1sATestt Ls]； 步骤四：可能二分点子集获取 设二分特征将每一个训练集Xs作为二分原节点进行二分，每个二分节点表示为P表示节点所在层级，LP表示节点在本层的序号； 对于二分节点从中按随机抽样抽取5个不同的二分特征得到特征子集表示如下： 进而得到对应的特征索力子集表示如下： 将特征索力子集的每一行按大小顺序排列并计算每一行相邻两个元素中间值作为可能二分点w＝{1,2,3,4,5}，d＝{1,2,...,498,499}，得到可能二分点子集表示如下： 步骤五：最优二分点确定 对于可能二分点在二分节点中，若M0 Ns中的则若M0 Ns中的则从而得到与中M0 Ns对应的At Ns分别构成的验证矩阵与 将与中的At Ns分别记为Atleft δs与Atright ζs，δ＝1,2,...m-1,m，ζ＝1,2,...n-1,n，则Atleft δs和Atright ζs的平均值分别为与表示如下： 进而能够得到Atleft δs与以及Atright ζs与的误差分别为以及由于t＝1,2，分为两种情况表示如下： 可能二分点对应的加权误差表示如下： 遍历所有可能二分点当对应的加权误差为最小时，取该可能二分点为此二分节点的最优二分点； 步骤六：预测功能模型构建 以作为预测节点，每个预测节点中的M0 Ns对应的At Ns的平均值即为可能预测值即完成预测功能子模型PREt s的构建； 带入测试集XTest s能够得到由预测值ATestt Preøs组成的预测子集YTestt Pres表示如下： YTestt Pres＝[ATestt Pre1sATestt Pre2s…ATestt PreL-1sATestt PreLs] 求出测试子集YTestt s与预测子集YTestt Pres的误差SElast表示如下： 若误差SElast满足精度要求，则判断为有效的预测功能子模型PREt s，否则，重新进行步骤五； 合并所有有效的预测功能子模型PREt s的预测结果At Pres并求取平均值得At Pre，即完成预测功能模型PREt all的构建； 步骤七：拒绝度矩阵获取 已知第代施工阶段索力集合表示如下： 设利用预测功能模型PREt all得到的第代施工阶段索力集合个体的目标预测值已知目标理想值为At wanted，得到的拒绝度由于t＝1,2，分为两种情况表示如下： 因此，第代施工阶段索力集合的拒绝度矩阵表示如下： 步骤八：施工阶段索力集合分级 当一个第代施工阶段索力集合的拒绝度和都小于或等于的目标拒绝度和且存在小于则称完胜记为A,B∈N； 对于每一个第代施工阶段索力集合个体存在： 其中， 为的数量，为的数量； 则的集合表示如下： 对第代施工阶段索力集合进行分级，的个体记为数量为θF1，χ＝1,2,...,θF1-1,θF1，存入第1级分级集合F1，表示如下： 设总共可以分l级，对于第Π级分级集合FΠ，Π＝2,3,...,l-1,l，考察分级集合FΠ-1中的每一个个体的统计集合中的个体数量为θFΠ，记为存入分级集合FΠ，表示如下： 持续分级直到得到第l级分级集合； 步骤九：密度算子矩阵获取 对于第H级分级集合FH，按照的大小将FH中的进行排序，H＝1,2...,l-1,l，λ＝1,2,...,θFH-1,θFH，设的密度算子表示如下： 得到第H级分级集合FH的密度算子表示如下： 步骤十：生成第代施工阶段索力集合 第代施工阶段索力集合每一级分级集合FH内个体两两随机配对，若某一级分级集合FH内个体数量为奇数，则将密度算子最小的个体计入下一级分级集合进行配对，构成250对和每对和生成和构成子代矩阵表示如下： r～U[0,1] 将子代矩阵与第代种群合并构成第代临时种群将临时种群个体记为表示如下： 对第代临时种群重复步骤七至步骤九，将每一级集合依次存入第代种群，直到存入某一级集合时第代施工阶段索力集合的个体数量超过500，则将此级分级集合按密度算子大小存入，密度算子大的优先，得到第代施工阶段索力集合为表示如下： 步骤十一：最优施工阶段索力集合获取 重复步骤七至步骤十得到第代种群并且满足将第代种群的第1级分级集合F1作为最优施工阶段索力集合。

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哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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”。