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！

龙图腾网获悉中交第一公路勘察设计研究院有限公司申请的专利基于深度学习的深部地下工程大变形实时监测及控制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：CN120822113B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202511336223.X，技术领域涉及：G06F18/241；该发明授权基于深度学习的深部地下工程大变形实时监测及控制方法是由张博;姚红志;白东锋;史宝童;靳昊炀;郭腾飞;郑万坤设计研发完成，并于2025-09-18向国家知识产权局提交的专利申请。

本基于深度学习的深部地下工程大变形实时监测及控制方法在说明书摘要公布了：本发明公开了基于深度学习的深部地下工程大变形实时监测及控制方法，包括监测系统的部署、监测数据的预处理、神经网络模型的构建、神经网络模型的训练、预测结果的输出、控制指令的生成和控制效果量化评估；根据同步采集得到的围岩应变、温度、渗流压力及微震扰动能量等多源信息，引入基于物理机理约束的深度学习模型，显著提升预测结果的可靠性与泛化能力，实现了围岩稳定性评估与破坏模式的智能识别、自动生成控制指令并量化评估实施效果。

本发明授权基于深度学习的深部地下工程大变形实时监测及控制方法在权利要求书中公布了：1.基于深度学习的深部地下工程大变形实时监测及控制方法，其特征在于，包括以下步骤： S1、监测系统的部署：在深部地下工程围岩区域部署分布式监测系统，采集围岩应变、温度和渗流压力数据，并实时监测施工诱发的微震事件并记录发生时刻、扰动能量密度及其三维空间坐标； S2、监测数据的预处理：对步骤S1采集的原始数据进行预处理，包括降噪、归一化、时空对齐和耦合修正，随后将围岩应变εx,y,z,t、温度Tx,y,z,t、渗流压力Px,y,z,t和扰动能量密度Ex,y,z,t在统一的时空网格点上进行组合，从而构建时空对齐的多维特征向量； S3、神经网络模型的构建：构建基于深度学习和物理约束的神经网络模型，用于融合多物理场监测数据并预测围岩状态及生成控制指令； S4、神经网络模型的训练：训练所述神经网络模型，且总损失函数Ltotal由数据损失Ldata与物理约束损失Lphys组成；通过在模型训练损失函数中引入基于物理方程的约束项实现物理约束；所述物理方程约束项包括：基于有效应力原理的约束，确保预测的围岩应力状态与孔隙水压力符合有效应力关系；基于岩石本构关系的约束，确保预测的应力-应变路径符合岩体的基本力学行为；基于能量守恒原理的约束，确保微震释放能量与围岩变形破坏消耗的能量趋势相符； S5、预测结果的输出：经步骤S4训练的神经网络模型，对步骤S2处理后的多维特征向量进行前向计算，输出变形量预测值、稳定性评估指数和围岩破坏模式；所述变形量预测值为未来24小时内围岩关键位置的最大变形量预测值Umax； 所述稳定性评估指数Isx,y,z,t为反映围岩稳定状态的量化指标，满足如下表达式： 其中，εp为岩体峰值应变；Pp为临界渗流压力； 所述围岩破坏模式通过部署于输出层的Softmax分类器，输出挤压型破坏、剪切型破坏和渗流诱导型破坏这三类破坏模式的概率分布，分别为Psq、Psh和Pse；相应地，最高概率破坏模式的概率为Pmax=max{Psq，Psh，Pse}； S6、控制指令的生成：当Umax≥[Umax]、Isx,y,z,t≤[Is]或Pmax≥[P]时，触发控制指令的生成；其中，[Umax]为预设临界变形阈值，根据工程地质报告设定；[Is]为稳定性安全阈值，根据深部地下工程设计安全要求确定；[P]为破坏模式概率阈值； S7、控制效果量化评估：根据步骤S6的控制指令实施控制措施后，根据步骤S1和步骤S2重新采集围岩应变、温度、渗流压力和微震能量密度数据并进行预处理，构建控制效果指数It。

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交第一公路勘察设计研究院有限公司，其通讯地址为：710075 陕西省西安市高新区科技四路205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。