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！

龙图腾网获悉南通大学申请的专利一种基于博弈论的GRA-KL-TOPSIS模型的水下桩基损伤状况评价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：CN119940736B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202510110533.3，技术领域涉及：G06Q10/063；该发明授权一种基于博弈论的GRA-KL-TOPSIS模型的水下桩基损伤状况评价方法是由徐勋倩;李琪;康峰沂;陈志明;李淑娥;杜仲宝;荣慧;周子俊;王一雯;吕辰设计研发完成，并于2025-01-23向国家知识产权局提交的专利申请。

本一种基于博弈论的GRA-KL-TOPSIS模型的水下桩基损伤状况评价方法在说明书摘要公布了：本发明涉及桥梁桩基评估技术领域，尤其涉及一种基于博弈论的GRA‑KL‑TOPSIS模型的水下桩基损伤状况评价方法，具体步骤如下：步骤1、G1法确定主观权重，包括构建桥梁水下桩基损伤状态评价指标体系和确定损伤等级及指标分级标准；步骤2、改进CRITIC法计算客观权，包括指标数据处理和基于盲数理论建立函数；步骤3、博弈论确定综合权重；步骤4、将GRA、KL和TOPSIS进行耦合，建立GRA‑KL‑TOPSIS综合评价模型，改进传统的TOPSIS法，综合确定损伤状态排序。本发明通过引入博弈论、G1法、改进CRITIC法考虑损伤程度指标层6项指标权重向量。通过应用本方法，能够为评估者快速评估桩基损伤程度并确定桩基损伤程度优先序。

本发明授权一种基于博弈论的GRA-KL-TOPSIS模型的水下桩基损伤状况评价方法在权利要求书中公布了：1.一种基于博弈论的GRA-KL-TOPSIS模型的水下桩基损伤状况评价方法，其特征在于，具体步骤如下： 步骤1、G1法确定主观权重，包括构建桥梁水下桩基损伤状态评价指标体系和确定损伤等级及指标分级标准； 步骤2、改进CRITIC法计算客观权重，包括指标数据处理和基于盲数理论建立函数； 步骤3、博弈论确定综合权重； 步骤4、将GRA、KL和TOPSIS进行耦合，建立GRA-KL-TOPSIS综合评价模型，改进传统的TOPSIS法，综合确定损伤状态排序； 步骤1中，具体步骤如下： 步骤1.1、判断两两指标相对重要性，假设选取n个评价指标，由专家讨论，经过指标两两比较和挑选，确定最重要指标x1，相应权重记为w1，然后在剩下的n-1个指标中继续比较和挑选，通过不断的比较和挑选，最后得到按相对重要性排序的指标序列集合X1,X2,…,Xn，相应权重集合表示为w1,w2,…,wn； 步骤1.2、给定相对重要性比值，指标相对重要性比值rj体现指标相对重要性程度，是G1法指标赋权的关键，按照取值标准，经专家讨论后给定；相对重要性比值rj的计算公式为： 式中rj为第j个评价指标的相对重要性比值，wj为第j个评价指标的相应权重，wj-1为第j-1个评价指标的相应权重； 步骤2中，具体步骤如下： 步骤2.1、指标的标准差δ＝δ1,δ2,…,δn用式2计算： 式中，a′ij为标准化后评价对象Ui对应指标Xj的取值；θj为标准化后m个评价对象中指标Xj的均值；δj为指标Xj的标准差；m为指标数； 步骤2.2、指标的相关系数矩阵R＝rijm×n用式3计算： 式中：a′i、a'j为评价对象第i、j个指标标准化后的取值；θi、θj为评价对象第i、j个指标标准化后取值的均值；rij为指标Xi与Xj间的相关系数； 步骤2.3、客观权重w客＝w1,w2,…,wn用式4计算： w客j为第j个评价指标的客观权重； 步骤2.4、由式5对w进行归一化得W客＝W1,W2,…,Wn； Wj为归一化后的第j个指标的客观权重； 步骤3中，具体步骤如下： 步骤3.1、将所有的权重向量组成一组策略集W＝w1,w2,…,wn，对这N个权重向量进行任意线性组合，有基于最优策略，对w和wk进行离差极小化处理，即： ck为第k个指标的权重向量系数，为第k个指标权重向量的倒置，为第j个指标权重向量的倒置； 步骤3.2、由矩阵的微分性质可知，最优化一阶导数条件满足下式： c1,c2,…,cN为权重向量系数，w1,w2,…,wn为第1,2,…n个的权重向量矩阵，为第1,2,…n个的权重向量倒置矩阵； 步骤3.3、对权重向量系数c1,c2,…,cN进行归一化处理，确定最终的优化权重向量系数，则指标综合权重为： 为归一化后第k个指标的权重向量系数，为第k个指标权重向量的倒置，w*为归一化后指标综合权重； 步骤4中，具体步骤如下： 步骤4.1、计算加权决策矩阵，设有i个评价对象j个评价指标，根据待评对象实际，建立初始评价矩阵X，为消除指标之间量纲差异，按照式9对所有指标数据进行归一化处理，得到初始标准决策矩阵Y，将初始标准决策矩阵Y与指标权重ω相乘，计算加权决策矩阵Z： Z＝zijm×n＝yij·w*j10 Z为加权决策矩阵，xij为评价矩阵中第i个评价对象的第j个评价指标取值，yij为初始标准决策矩阵第i个评价对象的第j个评价指标取值，w*j为第j个评价综合指标取值，zij为加权决策矩阵中第i个评价对象的第j个评价指标取值； 步骤4.2、确定正、负理想解，根据加权决策矩阵Z计算结果，结合指标属性特征，将各指标最优值与最劣值分别确定为正理想解集合Z+、负理想解集合Z-： 为正理想解集合中第j个评价指标的取值，负理想解集合中第j个评价指标的取值，zij为加权决策矩阵中第i个评价对象的第j个评价指标取值； 步骤4.3、计算KL距离，按照式12和式13，计算各待评对象与正、负理想解的KL距离和 为正理想解集合中第j个评价指标的取值，负理想解集合中第j个评价指标的取值，zij为加权决策矩阵中第i个评价对象的第j个评价指标取值，为正理想解的KL距离，为负理想解的KL距离； 步骤4.4、构建待评对象关联矩阵R，基于灰色关联原理，计算待评对象与正、负理想解的关联系数，并构建关联矩阵 式中，ρ为灰色关联分辨率，取值范围为0～1，取0.5；为正理想解集合中第j个评价指标的取值，负理想解集合中第j个评价指标的取值，zij为加权决策矩阵中第i个评价对象的第j个评价指标取值，为正理想解的关联系数，为负理想解的关联系数； 步骤4.5、计算灰色关联度，灰色关联度计算公式为： 为正理想解的关联系数，为负理想解的关联系数,为灰色关联度； 步骤4.6、计算灰色关联贴近度，对KL距离和灰色关联度进行归一化处理，具体计算公式为： 式中，为正理想解的归一化后的KL距离、为负理想解的归一化后的KL距离；为正理想解的归一化后的灰色关联度，负理想解的归一化后的灰色关联度，为正理想解的KL距离，为负理想解的KL距离，为正理想解的关联系数，为负理想解的关联系数； 步骤4.7、计算各待评对象与正、负理想解的接近程度Si： 式中，分别表示第i个待评对象与理想解的接近程度和远离程度；μ为决策者偏好系数，取0.5；为正理想解的归一化后的KL距离、为负理想解的归一化后的KL距离；为正理想解的归一化后的灰色关联度，负理想解的归一化后的灰色关联度； 步骤4.8、根据接近程度计算结果，计算灰色关联相对贴近度Ci： 步骤4.9、最后，根据灰色关联相对贴近度Ci大小，确定待评对象优劣排序。

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南通大学，其通讯地址为：226019 江苏省南通市崇川区永福路79号1幢南通大学技术转移研究院；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。