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！

龙图腾网获悉中国科学院武汉岩土力学研究所申请的专利地下厂房开挖支护质量评价分析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：CN119761147B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202510046132.6，技术领域涉及：G06F30/23；该发明授权地下厂房开挖支护质量评价分析方法是由李永红;李治国;张世殊;李邵军;徐鼎平;张顺利;卢薇设计研发完成，并于2025-01-13向国家知识产权局提交的专利申请。

本地下厂房开挖支护质量评价分析方法在说明书摘要公布了：本发明提供一种地下厂房开挖支护质量评价分析方法，涉及地下厂房领域，包括以下步骤：S1、数据收集与预处理：建立基础数据库，并采集地下厂房的地质勘探数据及现场监测数据，以得到地质参数数据，并对地质参数数据进行预处理，设定标准特征向量作为评价指标；S2、模型选择与集成策略：根据预处理后的地质参数数据选取物理模型和机器学习模型。通过上述结构之间的配合，具有以下有益效果：一是，可综合多因素的地应力计算模型能精确掌握地下厂房各处地应力分布；二是，能够实时监测系统结合大数据和人工智能算法，能及时发现支护隐患并动态优化，有效预防围岩失稳；三是，多源数据集成平台提供全面准确信息，辅助决策者综合分析，避免片面决策。

本发明授权地下厂房开挖支护质量评价分析方法在权利要求书中公布了：1.一种地下厂房开挖支护质量评价分析方法，其特征在于，包括以下步骤： S1、数据收集与预处理：建立基础数据库，并采集地下厂房的地质勘探数据及现场监测数据，以得到地质参数数据x，并对地质参数数据x进行预处理，设定标准特征向量作为评价指标； S2、模型选择与集成策略：根据预处理后的地质参数数据x选取物理模型和机器学习模型，并根据选取的物理模型和机器学习模型确定相应的集成策略； S3、模型训练与迭代：对选取的物理模型和机器学习模型进行训练，并交替训练深度学习模型和物理模型，使用深度学习模型的预测结果来优化物理模型的参数，同时使用物理模型的输出结果来指导深度学习模型的训练； 利用收集到的并经过预处理后的地质参数数据x训练深度学习模型，以预测锚杆、锚索的支护强度指数，将预处理后的地质参数数据x作为数据集T，并设数据集T的总样本数量为p，按照7:2:1的比例划分为训练集Tt、验证集Tv和测试集Te； 使用随机梯度下降算法更新深度学习模型的参数； 物理模型基于有限元分析，其基本方程基于连续介质力学原理，对于地下厂房围岩的应力应变关系，遵循广义胡克定律； 设基于有限元分析的物理模型的计算结果为yFEAxFEA,θFEA； 其中，xFEA表示基于有限元分析的物理模型的输入参数，包括几何形状、材料特性、边界条件，θFEA表示基于有限元分析的物理模型的参数，包括材料参数、边界条件参数； 使用实验数据训练基于有限元分析的物理模型，得到实验结果将实验结果与基于有限元分析的物理模型计算结果相对比，则基于有限元分析的物理模型的定义误差函数EFEA公式表示如下： 其中，S为对比数据点的数量，表示根据实验得到的第s个数据点对应的应变值，表示基于有限元分析的物理模型计算得出的与相对应的第s个数据点的应变值； 根据误差调整基于有限元分析的物理模型中的材料参数、边界条件参数； 交替训练深度学习模型和基于有限元分析的物理模型，将深度学习模型预测的锚杆、锚索支护强度指数结果作为基于有限元分析的物理模型中的一个参考输入； 设基于有限元分析的物理模型中更新后锚杆、锚索的等效刚度调整公式为： 其中，和分别为更新前后的锚杆等效刚度，和分别为更新前后的锚索等效刚度，γ为调整因子，用于控制调整的幅度，I标准锚杆为标准参数的锚杆支护强度指数，I标准锚索为标准参数的锚索支护强度指数，和的作用是根据深度学习模型预测的锚杆、锚索支护强度指数与标准参数的锚杆、锚索支护强度指数之间的差异，以调整基于有限元分析的物理模型中的锚杆、锚索等效刚度； 重新计算基于有限元分析的物理模型，得到新的物理模型结果，并将物理模型结果中的相关特征反馈给深度学习模型作为训练数据的调整依据； 设反馈给深度学习模型的物理模型结果为xf，则深度学习模型的训练数据可更新为： 基于新的训练数据继续训练深度学习模型，并不断循环这个过程； S4、集成预测与性能验证：将训练好的深度学习模型和物理模型的预测结果进行集成，以得到集成模型，并使用实际工程数据验证集成模型的预测性能。

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国科学院武汉岩土力学研究所，其通讯地址为：430064 湖北省武汉市武昌区水果湖街小洪山2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”。

以上内容由龙图腾AI智能生成。