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！

龙图腾网获悉同济大学申请的专利基于PCA融合机器学习的剪力墙震损破坏模式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：CN115345227B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202210931666.3，技术领域涉及：G06F18/2135；该发明授权基于PCA融合机器学习的剪力墙震损破坏模式预测方法是由袁程;熊青松;孔庆钊;熊海贝;李颖;丁叶蔚;陈琳;贺畅设计研发完成，并于2022-08-04向国家知识产权局提交的专利申请。

本基于PCA融合机器学习的剪力墙震损破坏模式预测方法在说明书摘要公布了：基于PCA融合机器学习的剪力墙震损破坏模式预测方法，通过搜集试验数据构建剪力墙破坏模式数据集，利用主成分分析提取数据集特征工程，其结果作为输入到机器学习分类器模型进行训练并挑选出精度最高的模型，最后通过对模型进行超参数优化得到具有最佳参数组合的优化模型，实现对剪力墙破坏模式的快速精准识别。相关研究领域内首次尝试利用PCA进行特征提取，通过对构建数据的高维特征提取，从而有效提高模型训练效果，实现对剪力墙破坏模式的高精度快速识别，与传统识别方法相比具有明显的精度优势，在相关工程领域中表现出极大的应用前景。由于模型训练所需特征工程建立是通过PCA实现而非直接基于数据集参数组合，因此模型的泛化性也得以提升。

本发明授权基于PCA融合机器学习的剪力墙震损破坏模式预测方法在权利要求书中公布了：1.一种基于PCA融合机器学习的剪力墙震损破坏模式预测方法，其特征在于，通过对构件试验数据资料的汇编分析，构建了墙震损敏感参数数据集，并对数据进行PCA高维特征提取，输入到分类器模型中进行训练，实现对剪力墙震损破坏模式的高精度快速识别; S1、收集相关数据资料，构建剪力墙在往复荷载作用下试件设计、反应参数及对应破坏模式的震损数据集，其中为定义的震损破坏模式敏感特征参数，分别为r,f ck,n,f y,A s,f yw,ρ w,f sw,ρ sw和V fV，对应参数具体含义如表1；Y为剪力墙破坏模式，根据试件破坏形式按常规通用的Paulay-Priestley方法； 表1.剪力墙震损破坏模式敏感参数定义 S2、对特征参数进行PCA处理，主成分维度设置为10，即与敏感特征参数相同；将原参数转化为主成分空间内投影，对于主成分PC1， 其中w 1为协方差矩阵∑的特征向量 将主成分系数矩阵提取为特征工程作为输入，N为数据集样本数； S3、将提取的特征工程随机划分，用于后续分类器模型进行训练测试； 同时，在模型训练输入前，对每个样本的主成分系数矩阵W进行归一化处理，归一化至[0,1]区间，即 式中，W.min和W.max分别为主成分系数矩阵每一行的最小值和最大值，Wstd为归一化后系数矩阵，用于模型训练输入； S4、引入9种典型机器学习算法进行分类器模型训练测试，包括NaïveBayes（朴素贝叶斯）,NearestNeighbors（临近算法）,LogisticRegression（逻辑回归）,SVC（支持向量机）,DecisionTree（决策树）,RandomForest（随机森林）,AdaBoost,GradientBoosting（梯度提升）和PerceptronNeuralnetwork（感知神经网络），从而构建出特征工程与破坏模式之间的映射关系； S5、测试不同分类器模型的预测精度μ1，进行模型评估，挑选出预测精度最高的分类器模型M0； S6、对模型M0进行超参数优化，采用网格搜索法进行优化计算，获得具有最佳参数组合的优化模型M1； S7、给某一待预测破坏模式的剪力墙参数，按S2方法提取特征工程后输入到模型M1进行测试，即可输出预测的对应破坏模式。

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同济大学，其通讯地址为：200092 上海市杨浦区四平路1239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”。