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！

龙图腾网获悉中国矿业大学;苏州工学院申请的专利基于自动机器学习的震声电融合冲击地压预警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：CN120929751B 。

龙图腾网通过国家知识产权局官网在2026-03-06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：202511036021.3，技术领域涉及：G06F18/20；该发明授权基于自动机器学习的震声电融合冲击地压预警方法及系统是由王笑然;马滢斐;狄洋阳;刘晓斐;王恩元;吴健波;张奇明;朱世豪设计研发完成，并于2025-07-26向国家知识产权局提交的专利申请。

本基于自动机器学习的震声电融合冲击地压预警方法及系统在说明书摘要公布了：本发明公开了一种基于自动机器学习的震声电融合冲击地压预警方法及系统，该方法包括：基于现场布设的微震与声电监测系统采集微震事件、声发射与电磁辐射等多源监测数据，为模型构建提供数据支撑；基于自动机器学习框架，提出震声电自动建模与预测及多参综合预警两个模块；MAEP模块自动识别多源监测数据中的关键时序特征，构建融合多种算法的高性能预测模型，精准识别多源信号的非线性与协同演化特征，实现高能冲击地压事件预测；MAEW模块则基于预测结果构建预警指数，采用集成学习算法，综合反映震声电信号的突变特征与异常增强趋势，可根据数据变化自动优化模型结构与参数，实现高效智能、无需人工干预的实时预警。

本发明授权基于自动机器学习的震声电融合冲击地压预警方法及系统在权利要求书中公布了：1.一种基于自动机器学习的震声电融合冲击地压预警方法,其特征在于,包括如下步骤: S10:基于现场布设的微震系统与声电系统,构建覆盖工作面的多源监测网络,筛选获取高质量微震数据、声发射数据与电磁辐射数据; S20:对现场采集的微震数据、声发射数据与电磁辐射数据进行预处理操作,形成具有统一时间戳和输入结构的震声电融合预测数据集,并将预测数据集划分训练集、验证集与测试集; S30:构建基于自动机器学习AutoGluon的震声电自动建模与预测模块,以预处理后的多源信号为输入,依托AutoGluon框架实现多种预测模型结构与超参数配置的自动化搜索与优化,构建对非线性与多尺度动态变化敏感的预测体系,利用训练集对模型进行拟合学习,再通过验证集对模型性能进行评估与超参数调优,并在设定时间内筛选验证集上MASE指标最优模型,并将其应用于测试集,实现对震声电信号的精准预测; S40:将现场采集的微震数据、声发射数据与电磁辐射数据经归一化处理后,按时间单位提取电磁辐射、声发射与微震信号的关键特征参数,结合人工构建的预警指数,构建震声电综合预警数据集,并划分训练集、验证集与测试集;所述步骤S40具体包括如下步骤:S41:将采集的微震数据、声发射数据与电磁辐射数据进行归一化预处理,以"天"为时间单位提取电磁辐射、声发射与微震信号的关键特征参数,包括电磁辐射强度最大平均值、电磁辐射强度平均值、电磁辐射事件个数、声发射强度最大平均值、声发射强度平均值、声发射事件个数、微震最大能量值和微震事件平均能量值;结合现场监测记录与专家经验评分,计算得到统一的预警指数;S42:以每日震声电监测特征与对应预警指数共同构建单一时序样本,形成震声电综合预警数据集,其中80%样本划分为训练集,并按K折交叉进行验证,剩余去除预警指数的20%样本用作测试集; S50:构建基于AutoGluon的震声电多参综合预警模块,以多源监测数据的关键特征为输入,集成回归算法,自动完成特征处理、模型筛选与超参数优化,构建面向冲击地压预警指数的高精度回归预测模型,利用训练集对各类模型进行学习和拟合,在训练过程中自动搜索并优化超参数组合,在验证集上进行迭代测试与性能评估,以确保获得最优模型结构与参数配置,将测试集输入回归预测模型,并以RMSE指标对模型性能进行评估,实现最优模型的自动选取与精准预测。

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国矿业大学;苏州工学院，其通讯地址为：221116 江苏省徐州市铜山区大学路1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。