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！

龙图腾网获悉安徽省(水利部淮河水利委员会)水利科学研究院(安徽省水利工程质量检测中心站)申请的专利一种基于Bayes实时更新的大坝补强加固长效性时变监控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：CN120781188B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202510904386.7，技术领域涉及：G06F18/2411；该发明授权一种基于Bayes实时更新的大坝补强加固长效性时变监控方法是由孙小冉;彭建和;汪邦稳;李瑞;朱永勤设计研发完成，并于2025-07-01向国家知识产权局提交的专利申请。

本一种基于Bayes实时更新的大坝补强加固长效性时变监控方法在说明书摘要公布了：本发明公开了一种基于Bayes实时更新的大坝补强加固长效性时变监控方法，包括：S1.构建ARMA模型模拟大坝状态并确定模型阶数；S2.利用先验分布和似然函数，采用贝叶斯方法计算获取大坝在运行状态中各参数的后验密度函数；S3.在实时计算时采用上一后验分布作为下一刻的先验分布，重复所述S2步骤，在计算过程中采用最小二乘法实现模型参数估计，引入可变遗忘因子，并采用递推算法，对以往监测数据采用不同的遗忘因子，实现参数自适应调整。本发明能够自适应大坝工作性态时变特性，实时融合历史数据与新监测信息，更加准确合理地反映影响量和效应量之间的非线性时变关系，从而充分体现大坝工作性态的典型时变特征。

本发明授权一种基于Bayes实时更新的大坝补强加固长效性时变监控方法在权利要求书中公布了：1.一种基于Bayes实时更新的大坝补强加固长效性时变监控方法，其特征在于，包括： S1.基于自回归模型与滑动平均模型，构建ARMA模型，以模拟大坝状态，并采用准则函数定阶法来确定模型的阶数，以保证模型参数与大坝参数一致对应； S2.利用先验分布和似然函数，采用贝叶斯方法计算获取大坝在运行状态中各参数的后验密度函数； S3.在实时计算时采用上一后验分布作为下一刻的先验分布，重复所述S2步骤的计算操作，以实现进行静态监控模型计算结果的实时计算； 所述S2步骤的具体操作流程包括： S21.基于ARMA模型确定效应量的先验分布； S22.由监测数据的所有有效信息，根据已知效应量实测数据，计算确定最大似然函数； S23.根据贝叶斯理论，计算大坝效应量的后验分布为： 其中，表示为基于已知待求分布的后验分布，为似然函数； 所述S21步骤中的先验分布函数采用自回归滑动平均模型表征，有： 其中,为待预测的效应量值，为大坝监测效应量实测值的均值；表示实测值的矩平序列；和分别为和的系数；，为到的残差序列，表示为残差，表示为自回归模型的阶数、表示为滑动回归模型的阶数、表示具体的时间节点； 所述S22步骤中最大似然函数的计算方法包括： 设大坝监测效应量实测值与模型拟合预测值的残差服从正态分布，建立、以及实测值建立如下线性关系，以构建最大似然函数，有： 其中，为待预测的效应量值，为的模型拟合预测值，,是ARMA模型参数，R是包含大坝监测效应量的时间序列数据集合，是ARMA模型数据参数集合；为残差序列； 所述S23步骤中后验分布计算过程中将实时更新模型的先验分布函数和最大似然函数代入后验分布函数，有： 其中，为权重系数，介于0-1之间，用于权衡先验与似然相关项对后验分布的影响，是后验分布的位置参数，用于调整后验分布的中心位置，是后验分布的尺度参数，反映后验分布的离散程度，表示的后验分布计算函数，表示的预测值，表示待预测的效应量值，表示包含大坝监测效应量的时间序列数据集合,表示在已知实测的大坝监测效应量值。

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安徽省(水利部淮河水利委员会)水利科学研究院(安徽省水利工程质量检测中心站)，其通讯地址为：230088 安徽省合肥市高新区红枫路55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。