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 > 四川大学;中国建筑西南勘察设计研究院有限公司薛新华获国家专利权

四川大学;中国建筑西南勘察设计研究院有限公司薛新华获国家专利权

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!

龙图腾网获悉四川大学;中国建筑西南勘察设计研究院有限公司申请的专利一种预测岩石抗剪强度参数的可解释机器学习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:CN119808579B

龙图腾网通过国家知识产权局官网在2025-11-07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:202411994672.9,技术领域涉及:G06F30/27;该发明授权一种预测岩石抗剪强度参数的可解释机器学习方法是由薛新华;朱志勇;陈亚丽;周其健;卫备;李部;易春艳;陈展;陈曦;丁军;刘相宇;黄国东设计研发完成,并于2024-12-31向国家知识产权局提交的专利申请。

一种预测岩石抗剪强度参数的可解释机器学习方法在说明书摘要公布了:本发明涉及力学性能测试领域,具体涉及一种预测岩石抗剪强度参数的可解释机器学习方法。该机器学习方法主要基于随机森林算法和金豺优化算法对岩石抗剪强度参数预测,通过随机森林算法先进行初步预测,得到一个初步预测值,通过所述金豺优化算法针对岩石样本组数设置搜索样本边界,对随机森林算法中决策树的数量以及构建每棵决策树时随机抽样选取的特征数量这两个参数进行迭代优化,根据获取的优化参数再次通过随机森林算法对岩石抗剪强度参数进行预测。该方法在针对岩石抗剪强度参数预测时做到了高准确度预测,解决了现有技术中仪器检测方式在检测岩石抗剪强度时高成本、高耗时的问题。

本发明授权一种预测岩石抗剪强度参数的可解释机器学习方法在权利要求书中公布了:1.一种预测岩石抗剪强度参数的可解释机器学习方法,其特征在于,包括以下步骤: S1、通过随机森林算法对岩石抗剪强度参数中的黏聚力和摩擦角进行初步预测; S11、将岩石样本中所述黏聚力和所述摩擦角作为数据集,形成随机森林算法所需的训练集; S12、采用Bootstrap方法对岩石参数的所述训练集进行重新抽样,根据抽样结果随机产生若干个训练子集及回归树; S13、在所述回归树的每个节点分裂生长时,随机抽取输入参数作为当前节点的分裂子集; S14、所述回归树由上而下递归分枝生长,在满足初步岩石抗剪强度参数预测的分割终止条件后所述回归树停止生长,将完成生长的所述回归树汇总构成随机森林,得到预测集并求取平均值得到最终结果; S2、设置金豺优化算法的搜索边界的大小,对随机森林算法中需要进行优化的参数,即决策树的数量和构建每棵决策树时随机抽样选取的特征数量进行迭代优化; 金豺优化算法具体步骤如下: S21、定义目标函数,设置种群大小N,最大迭代次数,领导率,探索率以及随机生成初始种群; S22、计算所述初始种群中每个解的适应度; S23、对所述初始种群中的每个解,如果,执行领导行为,否则执行探索行为,对于所述搜索边界进行处理,确保新解在搜索空间内; S24、评估所述新解,计算并更新计算结果,如果优于,则用代替; 所述领导行为和所述探索行为具体如下: 领导行为: 式中:是所述初始种群中的解,是所述初始种群中与不同的另一个解,是领导率,的取值范围是0到1; 探索行为: 式中:为新解,是探索率,是从标准正态分布的随机数; S3、将优化后的所述决策树的数量和构建每棵决策树时随机抽样选取的特征数量带入到随机森林算法中,再次对所述黏聚力和所述摩擦角进行预测,得到最终预测结果。

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大学;中国建筑西南勘察设计研究院有限公司,其通讯地址为:610042 四川省成都市一环路南一段24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。