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！

龙图腾网获悉四川轻化工大学;宜宾嘉博智能科技有限公司申请的专利一种智能化尾矿坝位移实时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：CN120541443B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202511038252.8，技术领域涉及：G06F18/20；该发明授权一种智能化尾矿坝位移实时预测方法是由唐宇峰;何俚秋;吕奇;史君林;曾建华;阿海木沙设计研发完成，并于2025-07-28向国家知识产权局提交的专利申请。

本一种智能化尾矿坝位移实时预测方法在说明书摘要公布了：本发明提供了一种智能化尾矿坝位移实时预测方法，属于公共安全预测领域，其内容包括：获取尾矿坝的在线监测历史数据，对数据进行预处理；基于烟花镜像粒子算法对混合特征网络模型的超参数进行优化；其次，根据优化后的超参数，训练并构建尾矿坝位移预测模型；再次，每获取最新监测数据，通过移动平均误差对预测结果进行评价，并基于自适应动态窗口在线学习机制对预测模型进行动态更新；最后，基于最新监测数据和更新后的预测模型，预测下一监测时刻的尾矿坝位移；本发明可为准确进行尾矿坝位移预测，为实现尾矿坝安全管理、预防尾矿坝溃坝重大灾害优化提供依据。

本发明授权一种智能化尾矿坝位移实时预测方法在权利要求书中公布了：1.一种智能化尾矿坝位移实时预测方法，其特征在于，包括以下步骤： 步骤一：获取尾矿坝的在线监测历史数据，包括尾矿坝坝体表面位移、降雨量和库水位数据； 步骤二：对数据进行数据预处理，预处理包括删除表面位移异常数据，对表面位移缺失数据采用3次样条曲线插值，对表面位移、降雨量和库水位数据分别进行归一化； 步骤三：构建基于双向门控循环单元的尾矿坝位移初始预测模型框架，设置初始预测模型待寻优超参数及寻优范围； 步骤四：基于烟花镜像粒子算法和尾矿坝的在线监测历史数据，优化初始预测模型的超参数； 步骤五：基于优化的超参数和尾矿坝的在线监测历史数据，构建并训练得到尾矿坝位移初始预测模型，并根据初始预测模型预测下一监测时刻的位移； 步骤六：给定在线学习阶段的启动阈值T，每获取新的监测数据，并对新监测数据进行预处理后，基于自适应动态窗口在线学习机制对预测模型进行参数微调； 步骤七：根据最新的预测模型和监测数据，对下一监测时刻的尾矿坝位移进行预测，并反归一化后得到最终预测数据； 步骤八：如果继续下一次预测，返回步骤六，并重复步骤六~步骤七，否则计算终止； 步骤四中，所述烟花镜像粒子算法包含追踪粒子和烟花粒子两大类粒子，其中追踪粒子又分为当前迭代最优粒子、普通追踪粒子和镜像追踪粒子三小类，烟花镜像粒子算法计算过程包含以下四个阶段： 一追踪粒子初始化： 1生成追踪粒子：随机生成追踪粒子Mi，其中每个粒子Mi的位置由以下公式确定： M i =lb+ub-lb×rand1,dim N 1 =roundN×0.9 其中Mi代表第i个粒子的位置，下标i代表粒子的序号，i=1,2,…,N1，其中N1为追踪粒子数量，N为总粒子数量，lb和ub分别为搜索空间的下限及上限，dim为待优化问题的维度，rand1,dim生成一个1×dim的随机向量，其元素取值范围为[0,1]，round函数代表对括号内的值四舍五入取整； 2计算初始适应度值： 计算每个追踪粒子的适应度值，记录当前迭代最优粒子位置xb，历史最优粒子位置Bh和历史最优适应度值； 二烟花粒子更新： 在当前迭代适应度最优粒子周围一定范围内，随机生成N2个烟花粒子，方法如下： N 2 =N-N1 x j =xb+Cf×ub-lb×e-2tT×2×rand1,dim-1 其中，xj为烟花粒子的位置，Cf为烟花粒子系数；j=N1+1,N1+2,…,N；T为最大迭代次数，t为当前迭代次数； 三追踪粒子更新： 1除当前迭代最优粒子外，对每个追踪粒子i，生时一个0~1间的随机数Ri，并根据Ri值选择该粒子是普通追踪粒子还是镜像追踪粒子： 当Ri≥0.5时，该粒子为普通追踪粒子，更新方式为： M i =Mi+rand1,dim×1-tT×xb-Mi+tT×Bh-Mi 当Ri＜0.5时，该粒子为镜像追踪粒子，且又细分为：当0.5×tT＜Ri＜0.5时，为当前迭代最优镜像追踪粒子，当0＜Ri≤0.5×tT时，为历史最优镜像追踪粒子；镜像追踪粒子更新分为3个步骤： 步骤S41：生成镜像追踪粒子xmirror,i： 对于当前迭代最优镜像追踪粒子： x mirror,i =2×x b -M i +0.1×randn1,dim 对于历史最优镜像追踪粒子： x mirror,i =2×B h -M i +0.1×randn1,dim 其中，randn1,dim生成一个1×dim的矩阵，元素服从标准正态分布； 步骤S42：判断镜像追踪粒子在各维度是否超出搜索空间边界，若在第j个维度超出边界，则对该维度位置进行修正： 对于当前迭代镜像最优追踪粒子： x mirror,i,j =ubj-Ri×ubj-xb,jifxmirror,i,jubj x mirror,i,j =lbj+Ri×xb,j-lbjifxmirror,i,jlbj 对于历史最优镜像追踪粒子： x mirror,i,j =ubj-Ri×ubj-Bh,jifxmirror,i,jubj x mirror,i,j =lbj+Ri×Bh,j-lbjifxmirror,i,jlbj 其中xmirror,i,j为第i个粒子在第j个维度的修正镜像位置，xb,j和Bh,j分别代表当前迭代最优粒子和历史最优粒子第j个维度的值；j=1,2,…,dim;ubj和lbj分别代表在第j个维度的搜索上限及下限； 步骤S43：更新镜像追踪粒子个体位置： 对于当前迭代镜像最优追踪粒子： M i =xmirror,i+Cm×rand1,dim×xb-xmirror,i; 对于历史最优镜像追踪粒子： M i =xmirror,i+Cm×rand1,dim×Bh-xmirror,i; 其中Cm为镜像更新系数； 2对于当前迭代最优粒子，通过莱维飞行和随机扰动进行全局搜索： x b =x b +α×levyβ,dim+γ×Bh-xb+0.1×randn1,dim 其中levyβ,dim是莱维飞行函数，参数α、β和γ计算公式为： α=0.1×1-tT β=1.5×1-tT γ=1-0.5×1-tT 四适应度更新 重新计算所有个体适应度值，更新当前迭代最优粒子位置xb、历史最优粒子位置Bh和历史最优适应度值； 最后，判断是否达到迭代终止条件，若满足迭代终止条件，则输出历史最优粒子位置Bh和历史最优适应度值，计算终止；若不满足终止条件，则重复计算阶段二~阶段四。

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四川轻化工大学;宜宾嘉博智能科技有限公司，其通讯地址为：643000 四川省自贡市自流井区汇东学苑街180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。