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！

龙图腾网获悉中国铁建昆仑投资集团有限公司;西安建筑科技大学申请的专利一种基于时间序列与反演分析的隧道围岩变形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：CN116105669B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202211737007.2，技术领域涉及：G01B21/32；该发明授权一种基于时间序列与反演分析的隧道围岩变形预测方法是由张玉印;张美宁;吴新栋;岳波;代久生;刘金山;许彦旭;宋战平;张玉伟;王新刚设计研发完成，并于2022-12-31向国家知识产权局提交的专利申请。

本一种基于时间序列与反演分析的隧道围岩变形预测方法在说明书摘要公布了：本发明公开了一种基于时间序列与反演分析的隧道围岩变形预测方法，包括以下步骤：S1、设置隧道监测点，并对隧道监测点获得的相关数据进行收集、检验、预处理，得到预处理数据；S2、对各隧道监测点的监测断面所处的围岩级别、埋深、支护结构进行分析，设置隧道监测基准控制值及预警值；S3、根据预处理数据结合隧道监测基准控制值及预警值，得到各隧道监测点的监测断面的管理等级，对各管理等级进行分析，确定时间序列分析及反演分析的断面；S4、对时间序列分析及反演分析的断面的时间序列数据进行采集，采用小波‑时间序列分析模型进行围岩的变形预测。本发明可及时对隧道前方地质情况进行超前预报，并对围岩稳定性进行准确判断。

本发明授权一种基于时间序列与反演分析的隧道围岩变形预测方法在权利要求书中公布了：1.一种基于时间序列与反演分析的隧道围岩变形预测方法，其特征在于，包括以下步骤: S1、设置隧道监测点，并对隧道监测点获得的相关数据进行收集、检验、预处理，得到预处理数据； 步骤S1中，所述隧道相关数据的检验、预处理过程包含奇异数据的剔除、零均值处理和平稳性检验操作； S2、根据隧道工程地质条件与步骤S1得到的预处理数据，对步骤S1设置的各隧道监测点的监测断面所处的围岩级别、埋深、支护结构进行分析，根据分析结果设置隧道监测基准控制值及预警值； S3、根据步骤S1得到的预处理数据结合步骤S2得到的隧道监测基准控制值及预警值，得到各隧道监测点的监测断面的管理等级，对各管理等级进行分析，确定时间序列分析及反演分析的断面； S4、对步骤S3的时间序列分析及反演分析的断面的时间序列数据进行采集，并对采集的时间序列数据采用小波-时间序列分析模型进行围岩的变形预测； 所述小波-时间序列分析模型通过以下方法建立得到： S41、小波基的选择及层数、系数的确定； S42、小波阈值去噪，重构系数，重构时间序列分析模型； S43、对重构的时间序列分析模型的类型进行选择，确定时间序列模型的类型； S44、对步骤S43得到的时间序列模型的阶数进行确定，得到小波-时间序列模型的阶数； S45、对步骤S43得到的时间序列模型的参数进行估计，得到小波-时间序列模型的参数； S46、对步骤S44得到的时间序列模型的阶数的适用性进行检验，进一步确定得到时间序列模型的最终阶数； S47、根据步骤S43得到的时间序列模型类型、步骤S46得到的时间序列模型的最终阶数以及步骤S45得到的时间序列模型的参数，确定得到小波-时间序列分析模型； 步骤S42中，所述时间序列分析模型通过以下方法建立得到： S421、对时间序列模型的类型进行选择，确定时间序列模型的类型； S422、对步骤S421得到的时间序列模型的阶数进行确定，得到时间序列模型的阶数； S423、对步骤S421得到的时间序列模型的参数进行估计，得到时间序列模型的参数； S424、对步骤S422得到的时间序列模型的阶数的适用性进行检验，进一步确定得到时间序列模型的最终阶数； S425、根据步骤S421得到的时间序列模型类型、步骤S424得到的时间序列模型的最终阶数以及步骤S423得到的时间序列模型的参数，确定时间序列分析模型； 步骤S421具体包含以下步骤： S4211、判断自相关函数是否具有k步截尾，若是，时间序列模型为MRk； S4212、若自相关函数不具有k步截尾，根据偏相关函数是否为k步截尾进行判断，若是，则模型为ARk，若不是，则模型为ARMAp,q。

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铁建昆仑投资集团有限公司;西安建筑科技大学，其通讯地址为：610095 四川省成都市高新区益州大道中段1999号4栋21层-22层；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。