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！

龙图腾网获悉山东大学申请的专利一种基于深度学习的注浆参数选型优化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：CN120068620B 。

龙图腾网通过国家知识产权局官网在2025-12-05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：202510127225.1，技术领域涉及：G06F30/27；该发明授权一种基于深度学习的注浆参数选型优化方法及系统是由许振浩;张秒;王志洋;李轶惠;赵晟喆;潘东东;张驰设计研发完成，并于2025-02-01向国家知识产权局提交的专利申请。

本一种基于深度学习的注浆参数选型优化方法及系统在说明书摘要公布了：本发明公开一种基于深度学习的注浆参数选型优化方法及系统，属于隧道注浆技术领域，对预处理后的地质条件和施工条件数据进行特征提取，并对提取的特征进行降维，得到低维的特征数据；对低维的特征数据进行初步重要性评估，得到特征重要性评分；将特征重要性评分高于设定阈值的特征输入至预先训练好的全局优化模型，得到注浆效果评分；将注浆效果评分和该注浆效果对应的特征数据输入至预先训练好的局部微调模型，得到注浆参数的微调值。采用“全局优化模型+局部微调模型”的双重结构，分别针对注浆参数的全局优化和局部微调进行设计，这种分层次的模型设计使得系统在复杂的施工条件下能够更好地适应变化，提升了整体注浆效果的稳定性和可靠性。

本发明授权一种基于深度学习的注浆参数选型优化方法及系统在权利要求书中公布了：1.一种基于深度学习的注浆参数选型优化方法，其特征在于，包括： 获取当前地质条件和施工条件数据并进行预处理； 对预处理后的地质条件和施工条件数据进行特征提取，并对提取的特征进行降维，得到低维的特征数据；对所述低维的特征数据进行初步重要性评估，得到特征重要性评分； 将特征重要性评分高于设定阈值的特征输入至预先训练好的全局优化模型，得到注浆效果评分；所述全局优化模型采用多层感知机构建，包括输入层、若干隐含层、Dropout层和输出层，在多层感知机的每个隐含层后增加Dropout层； 将所述注浆效果评分和该注浆效果对应的特征数据输入至预先训练好的局部微调模型，得到注浆参数的微调值； 所述局部微调模型采用轻量化卷积神经网络构建，接收注浆效果评分和该注浆效果对应的特征数据，设定优化目标，使注浆效果评分最大化，目标函数表示为： 其中，为训练样本数量，为模型优化后得到的局部评分，为注浆效果全局评分； 然后局部微调模型对输入的特征进行调整，并经过多层全连接网络的隐含层，最后输出各注浆参数的微调值，表示为： ， 其中，与分别表示注浆压力和注浆时间的微调值，表示输出层权重矩阵，表示隐含层的最终输出，为输出层的偏置量。

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山东大学，其通讯地址为：250061 山东省济南市历下区经十路17923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。