Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 赣南科技学院雷大星获国家专利权

赣南科技学院雷大星获国家专利权

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!

龙图腾网获悉赣南科技学院申请的专利基于改进型机器学习算法的岩石抗剪强度预测方法及系统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:CN120409262B

龙图腾网通过国家知识产权局官网在2025-10-28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:202510565996.9,技术领域涉及:G06F30/27;该发明授权基于改进型机器学习算法的岩石抗剪强度预测方法及系统是由雷大星;张耀平;卢志刚;刘波;邹雄刚;徐新木;王广丽设计研发完成,并于2025-04-30向国家知识产权局提交的专利申请。

基于改进型机器学习算法的岩石抗剪强度预测方法及系统在说明书摘要公布了:本发明涉及数据分析技术领域,具体涉及基于改进型机器学习算法的岩石抗剪强度预测方法及系统。一种基于改进型机器学习算法的岩石抗剪强度预测系统,包括:数据采集模块和岩石抗剪强度分析模块。本发明通过易获取的纵波速度,密度,单轴抗压强度和单轴抗拉强度来预测岩石抗剪强度,可以无需三轴试验的复杂工作,并且在设置的岩石抗剪强度分析模型中设置物理嵌入输入层,通过物理规则的先验知识来对输入的特征进行扩展,解决了数据稀疏导致的预测准确率低的问题,使得预测更加准确;还设置了知识增强调整层,通过不同场景下的岩石抗剪强度预测方式作为先验知识来进行特征强化,能够在具备可解释性的前提下提升岩石抗剪强度预测的准确率。

本发明授权基于改进型机器学习算法的岩石抗剪强度预测方法及系统在权利要求书中公布了:1.基于改进型机器学习算法的岩石抗剪强度预测方法,其特征在于,包括: 将岩石分析向量和尺度分析向量送入岩石抗剪强度分析模型中进行处理,输出岩石抗剪强度数据; 岩石抗剪强度分析模型包括物理嵌入输入层、知识增强调整层、尺度映射层和输出层,其中物理嵌入输入层用于基于物理规则和岩石分析向量获取理论岩石抗剪强度数据和参考岩石抗剪强度数据,并基于理论岩石抗剪强度数据和参考岩石抗剪强度数据构建物理嵌入岩石分析向量;知识增强调整层通过若干个专家分析单元分别对物理嵌入岩石分析向量进行处理,输出对应的专家强化岩石分析向量,并基于所有专家强化岩石分析向量执行特征融合,构建知识增强岩石分析向量;尺度映射层用于基于尺度分析向量对知识增强岩石分析向量进行尺度变换,构建尺度映射岩石分析向量,以得到更加准确的岩石抗剪强度的预测效果;输出层用于对尺度映射岩石分析向量进行全连接操作,输出岩石抗剪强度数据; 通过物理嵌入输入层基于物理规则和岩石分析向量获取理论岩石抗剪强度数据和参考岩石抗剪强度数据,并基于理论岩石抗剪强度数据和参考岩石抗剪强度数据构建物理嵌入岩石分析向量,具体包括如下步骤: 基于Mohr-Coulomb准则计算对应的理论内摩擦角和理论黏聚力,将理论内摩擦角和理论黏聚力组成理论岩石抗剪强度数据; 遍历历史岩石分析数据库,计算历史岩石分析数据库中的历史岩石分析数据与岩石分析向量之间的相似度,若是历史岩石分析数据库中的历史岩石分析数据与岩石分析向量之间的相似度高于相似度阈值,将历史岩石分析数据对应的历史岩石抗剪强度数据作为参考岩石抗剪强度数据,参考岩石抗剪强度数据中包括参考内摩擦角和参考黏聚力;直至历史岩石分析数据库中的历史岩石分析数据均被遍历完成,输出所有参考岩石抗剪强度数据; 将岩石分析向量、理论岩石抗剪强度数据和所有参考岩石抗剪强度数据进行首尾拼接,构建重建岩石分析向量,并基于重建岩石分析向量构建物理关联矩阵,物理关联矩阵中第i行第j列中存储的是重建岩石分析向量中第i个数据与重建岩石分析向量中第j个数据之间的物理关联强度值,i=1,2,3,…,N,j=1,2,3,…,N,N为重建岩石分析向量中的数据总数量;基于物理关联矩阵对重建岩石分析向量执行自注意力机制,实现对重建岩石分析向量的强化,构建物理嵌入岩石分析向量。

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赣南科技学院,其通讯地址为:341000 江西省赣州市章贡区客家大道156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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。