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！

龙图腾网获悉武汉大学申请的专利一种基于机器学习的圆球颗粒体系渗透特性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：CN115295098B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202210857731.2，技术领域涉及：G16C60/00；该发明授权一种基于机器学习的圆球颗粒体系渗透特性的预测方法及系统是由马刚;张佳;周伟;陈治平;张大任;常晓林;王桥设计研发完成，并于2022-07-20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圆球颗粒体系渗透特性的预测方法及系统在说明书摘要公布了：本发明公开了一种基于机器学习的圆球颗粒体系渗透特性的预测方法及系统，其中的方法采用离散单元法生成不同级配的圆球颗粒集合体，并对颗粒试样进行区域分割，建立包含颗粒材料级配信息和三维图像结构的试样数据集，再通过格子玻尔兹曼方法和D3Q19晶格模型，计算颗粒试样的渗透率；提取颗粒试样宏观、微观尺度的结构特征；构建训练机器学习模型的数据集；训练机器学习模型，最终得到能通过颗粒材料多个尺度结构特征准确有效预测渗透率的模型。本发明的方法弥补了宏观结构参数无法准确描述孔隙内部复杂结构的缺陷。同时基于提取的结构参数构建基于机器学习的渗透率预测模型，解决了传统渗流试验耗时长，颗粒尺寸变化范围大导致试验器材受限的问题。

本发明授权一种基于机器学习的圆球颗粒体系渗透特性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圆球颗粒体系渗透特性的预测方法，其特征在于，包括： S1：根据圆球颗粒材料级配信息及压实程度，由离散单元法生成不同级配颗粒集合体并压缩获得计算试样，然后进行区域分割，建立包含圆球颗粒材料级配信息、围压和三维图像结构的试样数据集； S2：基于格子玻尔兹曼法和D3Q19晶格模型，对试样数据集中的试样进行渗透率计算，得到圆球颗粒材料的渗透率； S3：对试样数据集中的试样进行结构特征提取，其中，提取的结构特征包括宏观尺度参数和微观尺度参数； S4：根据计算得到的颗粒材料的渗透率和提取的结构特征，构建机器学习模型数据集，并从机器学习模型数据集划分出训练数据集；构建机器学习模型，基于训练数据集并用随机森林算法对机器学习模型进行训练，得到训练好的渗透率预测模型； S5：利用训练好的渗透率预测模型进行圆球颗粒体系渗透率的预测； 其中，步骤S2包括： S2.1：采用格子玻尔兹曼方法对试样数据集中的试样进行渗透率计算，选取D3Q19晶格模型，模型的构建基础为单松弛时间的BGK模型，具体地，设定水流方向为方向，整个流域空间被离散为格子点，流体的运动过程被转化为流体粒子的碰撞与迁移过程，流体粒子的碰撞与迁移过程通过基于流体粒子的分布函数进行迭代演化实现，演化过程见下式： 1 式中，为粒子非平衡态分布函数；为粒子位置；为第个方向上粒子的速度；为离散时间；为松弛时间；为粒子平衡态分布函数； S2.2：当流动模拟达到稳定状态时，通过公式1计算得到流场的速度分布； S2.3：基于计算得到的流场的速度分布通过达西方程计算得到圆球颗粒材料的； S4包括： S4.1：根据提取得到的宏观尺度、微观尺度结构参数及计算得到的圆球颗粒材料的渗透率构建机器学习模型数据集； 9 式中为样本数量；为样本结构特征参数；为目标结果； S4.2：从机器学习模型数据集划分出训练数据集；构建机器学习模型，基于训练数据集并用随机森林算法对机器学习模型进行训练，得到训练好的渗透率预测模型，其中，训练过程中，采用值评估机器学习模型的拟合准确性： 10 式中，为模型预测值；为测试数据集中每个样本的目标值；为测试数据集中样本目标值的均值，的大小用以表示机器学习模型预测效果。

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武汉大学，其通讯地址为：430072 湖北省武汉市武昌区珞珈山街道八一路299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。