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！

龙图腾网获悉中南大学申请的专利区域地震动时程生成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：CN121052151B 。

龙图腾网通过国家知识产权局官网在2026-02-13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：202511606650.5，技术领域涉及：G06F30/27；该发明授权区域地震动时程生成方法及系统是由江力强;谭松;何建光;蒋丽忠;国巍;何畅设计研发完成，并于2025-11-05向国家知识产权局提交的专利申请。

本区域地震动时程生成方法及系统在说明书摘要公布了：本发明公开了一种区域地震动时程生成方法及系统，包括获取已有的地震动物理模拟数据信息并预处理以构建训练数据集；基于XGBoost模型和物理信息神经网络模型构建区域地震动时程生成初级模型；采用构建的训练数据集对构建的区域地震动时程生成初级模型进行训练得到区域地震动时程生成模型；采用得到的区域地震动时程生成模型完成目标区域的地震动时程的生成。本发明基于XGBoost模型和物理信息神经网络模型构建区域地震动时程生成模型并训练，不仅实现了区域地震动时程数据的生成，而且可靠性更高，精确性更好，效果也更好。

本发明授权区域地震动时程生成方法及系统在权利要求书中公布了：1.一种区域地震动时程生成方法，其特征在于包括如下步骤： S1. 获取已有的地震动物理模拟数据信息； S2. 对步骤S1获取的数据信息进行预处理，以构建训练数据集； S3. 基于XGBoost模型和物理信息神经网络模型，构建区域地震动时程生成初级模型； 其中，XGBoost模型用于预测Fourier振幅谱、伪谱加速度和Arias强度，物理信息神经网络模型用于生成地震波数据；包括如下步骤： 基于XGBoost模型和物理信息神经网络模型，构建区域地震动时程生成初级模型； 其中，基于XGBoost模型迭代构建弱学习器，用于修正之前迭代产生的残差；每个新的弱学习器的目标是沿着损失函数的最陡下降方向进行预测的优化； 基于物理信息神经网络模型构建时间序列生成模块；时间序列生成模块用于接收弱学习器的输出，并经过若干层隐藏层的非线性映射后，在输出层输出地震动加速度时间序列的分布采样，以生成地震波数据； 其中，所述的基于XGBoost模型迭代构建弱学习器，具体包括如下步骤： 第t次迭代中预测值的更新规则表示为式中为第t次迭代的预测值；为学习率，用于控制步长；为第i个样本的特征向量；为在第t次迭代中训练得到的弱学习器，且，为训练样本数；为可微损失函数；为第i个样本的真值标签；为本轮弱模型对第i个样本的预测值；为第i个样本的特征向量； 采用如下算式作为目标函数： 式中为损失函数现对于当前预测的一阶梯度；为损失函数现对于当前预测的二阶梯度；为正则化项，且，为添加新叶子的复杂度成本，T为当前树的叶子数，为叶权值的L2正则化系数，为叶权值的向量，为L2范数的平方； 对叶节点j的权值求导，并设定得到的导数为0，得到最优叶权值为，其中为第j个叶节点的所有样本的索引集合； 将最优叶权值代入目标函数，计算目标函数分裂前后的差值，以计算得到分裂增益G为，其中为左子节点的实例集，为右子节点的实例集，I为父节点的实例集； 通过最大化分裂增益G，以识别最优分裂特征和分裂点； 通过如下分箱函数将特征值离散化为K个分箱，以减少需要遍历的分裂点： 式中是样本i在特征j上的分箱编号，是分位点边界； 若存在缺失值，则先对非缺失样本计算分裂增益，随后将缺失值分别导向左、右子节点并计算两者增益，最终选择使增益最大的方向作为“默认方向”； 采用如下算式作为损失函数： 式中为损失函数值；y为观测值；为预测值；为目标分位数； 采用如下算式作为协方差矩阵学习算式： 式中为输出之间相关性的正则化；为跟踪算子，用于计算矩阵中对角线元素的和；为多任务权重矩阵；为目标间协方差矩阵； S4. 采用步骤S2构建的训练数据集，对步骤S3构建的区域地震动时程生成初级模型进行训练，得到区域地震动时程生成模型； S5. 采用步骤S4得到的区域地震动时程生成模型，完成目标区域的地震动时程的生成。

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中南大学，其通讯地址为：410083 湖南省长沙市岳麓区麓山南路932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。