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！

龙图腾网获悉扬州大学申请的专利基于优化极限学习机的重力坝深层滑动可靠度计算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：CN119047016B 。

龙图腾网通过国家知识产权局官网在2025-11-18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：202410839972.3，技术领域涉及：G06F30/13；该发明授权基于优化极限学习机的重力坝深层滑动可靠度计算方法是由孙林松;王涵之;刘明月;徐波设计研发完成，并于2024-06-26向国家知识产权局提交的专利申请。

本基于优化极限学习机的重力坝深层滑动可靠度计算方法在说明书摘要公布了：本发明公开了基于优化极限学习机的重力坝深层滑动可靠度计算方法，涉及水工结构工程技术领域，包括获取重力坝基本信息；通过多策略融合改进粒子群优化算法SHPSO优化极限学习机，构建优化极限学习机ELM模型；根据优化极限学习机ELM模型的最优参数，构建最优ELM模型，计算重力坝深层滑动可靠度。本发明通过获取重力坝基本信息为计算奠定基础；将极限学习机ELM参数作为优化目标，利用多策略融合改进的粒子群优化算法SHPSO优化ELM参数，提高ELM模型预测精度和泛化能力；根据优化后的ELM模型最优参数构建最优模型，抽取随机样本输入计算，可精确获得重力坝深层滑动失效率和可靠度，为坝体抗滑稳定性分析提供精确数据支持，弥补了现有方法的不足。

本发明授权基于优化极限学习机的重力坝深层滑动可靠度计算方法在权利要求书中公布了：1.基于优化极限学习机的重力坝深层滑动可靠度计算方法，其特征在于：包括， 获取重力坝基本信息； 通过多策略融合改进粒子群优化算法SHPSO优化极限学习机，构建优化极限学习机ELM模型； 根据优化极限学习机ELM模型的最优参数，构建最优ELM模型，计算重力坝深层滑动可靠度； 所述构建优化极限学习机ELM模型的过程包括以下步骤： 将极限学习机ELM的一组输入权重和偏置为SHPSO粒子位置xi，以训练得到的均方差MSE为SHPSO粒子的适应度函数，即SHPSO粒子位置xi的相关公式如下： xi＝[w11,w12,...,w1n,...,wk1,wk2,...,wkn,b1,b2,...,bk] 其中，wkn为第k个隐含层神经结点和第n个输入层结点之间的权重，bk为第k个隐含层结点的偏置； 将给定样本集随机选取一部分作为训练集，剩余部分作为测试集； 确定参数，设置SHPSO算法的种群规模、最大迭代次数、搜索空间范围、搜索空间维度以及ELM隐含层结点数目和激活函数； 初始化粒子位置xi和粒子速度vi； 调用极限学习机ELM计算各粒子适应度，初始化个人最优值； 根据各粒子的适应度值，将粒子划分为精英粒子、普通粒子和劣势粒子； 对划分粒子进行分层学习，更新粒子位置xi、粒子速度vi和粒子适应度值； 判断精英粒子中个人最优值是否得到改善，更新个人最优值； 同时判断适应度评估次数是否达到最大评估次数，并根据最优个体得到输入层权重和偏置，构建优化极限学习机ELM模型； 利用多策略融合改进粒子群优化算法SHPSO寻找极限学习机ELM的最优参数； 利用测试集验证优化后的优化极限学习机ELM模型泛化能力； 所述多策略融合改进粒子群优化算法SHPSO包括以下步骤： 采用惯性权重自适应改变策略AW更新粒子速度和位置，更新公式如下： 其中，ui为惯性权重方向改变系数，rand为随机数，为第t+1次迭代的适应度值，为第t次迭代下的适应度值； 根据每次迭代后粒子的适应度值，自适应调整惯性权重方向，进而改变粒子运动方向； 根据粒子适应度排名将粒子分为优势层、普通层和劣势层，对各层粒子特性采用自适应分层学习策略； 对粒子群种类为优势层进行差分变异。

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扬州大学，其通讯地址为：225009 江苏省扬州市大学南路88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。