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！

龙图腾网获悉吉林建筑大学申请的专利一种基于机器学习的预应力放张损失值的预测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：CN120911216B 。

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：202511405322.9，技术领域涉及：G06F30/23；该发明授权一种基于机器学习的预应力放张损失值的预测方法及系统是由张云龙;马赫;钱雪松;孙运;钱禹成设计研发完成，并于2025-09-29向国家知识产权局提交的专利申请。

本一种基于机器学习的预应力放张损失值的预测方法及系统在说明书摘要公布了：本发明属于机器学习和预应力技术领域，公开了一种基于机器学习的预应力放张损失值的预测方法及系统，方法包括：采用有限元数值软件对预应力梁进行多工况建模与模拟，提取预应力梁工作参数与设计参数，并进行数据预处理、分布检查和特征重要性分析，得到初始数据集；将初始数据集划分为初始训练数据集和初始测试数据集并处理，得到处理后训练数据集和处理后测试数据集；构建全连接多层感知机神经网络模型，定义训练、验证及监控函数，利用处理后训练数据集对全连接多层感知机神经网络模型进行训练，并利用处理后测试数据集对训练好的模型进行测试，得到预测模型；获取预应力梁的真实参数，利用预测模型进行预应力放张损失值预测，得到预测结果。

本发明授权一种基于机器学习的预应力放张损失值的预测方法及系统在权利要求书中公布了：1.一种基于机器学习的预应力放张损失值的预测方法，其特征在于，包括以下步骤： 采用有限元数值软件对预应力梁进行多工况建模与模拟，提取所述预应力梁工作参数与设计参数，并进行数据预处理、分布检查和特征重要性分析，得到初始数据集； 将所述初始数据集划分为初始训练数据集和初始测试数据集并进行处理，得到处理后训练数据集和处理后测试数据集； 构建全连接多层感知机神经网络模型，定义训练、验证及监控函数，利用所述处理后训练数据集对所述全连接多层感知机神经网络模型进行训练，并利用所述处理后测试数据集对训练好的模型进行测试，得到预测模型； 获取预应力梁的真实参数，基于所述真实参数，利用所述预测模型进行预应力放张损失值预测，得到预测结果； 得到所述初始数据集的方法包括： 建立有限元模型并遍历所述预应力梁的尺寸、预应力筋高度参数； 提取不同工况中所述预应力梁的截面面积、形心、惯性矩及挠度特征，并对提取的参数消除量纲差异，得到预处理后数据； 对所述预处理后数据进行数据分布检查、计算特征线性相关性，并采用n_repeat扰动法进行MLP特征重要性分析，得到所述初始数据集。

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建筑大学，其通讯地址为：130118 吉林省长春市新城大街5088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。