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！

龙图腾网获悉吉林大学;吉林省交通科学研究所申请的专利基于类别聚类与趋势建模融合的桥梁技术状况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：CN120670791B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202511165612.0，技术领域涉及：G06F18/20；该发明授权基于类别聚类与趋势建模融合的桥梁技术状况预测方法是由谭国金;姜闯波;梁雪;于丽梅;周培蕾;何昕;吴春利;顾正伟;王文盛;果晓君;张桐林设计研发完成，并于2025-08-20向国家知识产权局提交的专利申请。

本基于类别聚类与趋势建模融合的桥梁技术状况预测方法在说明书摘要公布了：本发明涉及基于类别聚类与趋势建模融合的桥梁技术状况预测方法，属于桥梁状态预测与维护管理技术领域，解决现有预测模型的泛化能力有限、预测准确性低的问题。该方法首先采集多座桥梁的定期检测数据并进行预处理；进行特征编码与降维后，采用K‑means聚类算法对桥梁进行分组，利用Huber回归方法建立类别内退化趋势模型；采用XGBoost回归方法建立类别内技术状况预测模型；根据类别内技术状况预测模型和类别内退化趋势模型，通过动态加权融合公式生成目标桥梁未来多个预测年份的桥梁技术状况预测结果；最后进行模型性能评价。本发明能够有效地提高桥梁技术状况预测的准确性，并提供可靠的长期退化趋势预测，优化桥梁的养护决策。

本发明授权基于类别聚类与趋势建模融合的桥梁技术状况预测方法在权利要求书中公布了：1.基于类别聚类与趋势建模融合的桥梁技术状况预测方法，其特征在于，包括以下步骤： 步骤1：采集多座桥梁的定期检测数据，包括桥梁代码、修建年度、检测年份、评定等级、结构参数和材料特性，并对采集的数据进行预处理，包括缺失值填充、异常值处理、特征计算与标准化处理，预处理后获得结构化预处理数据； 步骤2：对步骤1得到的结构化预处理数据进行特征编码与降维，之后采用K-means聚类算法对桥梁进行分组，得到若干具有相似结构及退化行为的桥梁类别，并在各桥梁类别内筛选出退化显著的桥梁样本，然后利用Huber回归方法拟合每个桥梁类别内桥龄-技术状况的退化趋势曲线，建立类别内退化趋势模型； 步骤3：在每个桥梁类别内，基于历史多年的评定等级及静态特征，采用XGBoost回归方法建立类别内技术状况预测模型； 步骤4：根据目标桥梁所在的桥梁类别对应的类别内技术状况预测模型和类别内退化趋势模型，通过动态加权融合公式生成所述目标桥梁未来多个预测年份的桥梁技术状况预测结果，在动态加权融合公式中，短期预测时类别内技术状况预测模型的权重较高，长期预测时类别内退化趋势模型的权重较高，且类别内技术状况预测模型和类别内退化趋势模型的权重之和为1； 步骤5：采用评价指标对步骤4得到的桥梁技术状况预测结果进行模型性能评价，其中评价指标包括准确率、平均绝对误差以及均方根误差。

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吉林大学;吉林省交通科学研究所，其通讯地址为：130012 吉林省长春市朝阳区前进大街2699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。