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！

龙图腾网获悉西安理工大学申请的专利基于BVAR模型的施工期库岸边坡变形预测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：CN115169496B 。

龙图腾网通过国家知识产权局官网在2026-03-10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：202210904990.6，技术领域涉及：G06F30/20；该发明授权基于BVAR模型的施工期库岸边坡变形预测方法是由程琳;江跃;马春辉;屈旭东;杨杰设计研发完成，并于2022-07-29向国家知识产权局提交的专利申请。

本基于BVAR模型的施工期库岸边坡变形预测方法在说明书摘要公布了：本发明公开了基于BVAR模型的施工期库岸边坡变形预测方法，其特征在于，具体按照以下步骤实施：步骤1，获取边坡变形监测原始数据作为初始样本，对原始数据进行ADF检验；步骤2，构建BVAR模型；步骤3，通过吉布斯采样器获取BVAR模型待估计参数和模型预测值；步骤4，获得边坡变形的最终预测值及预测区间。本发明基于预测区间来考虑边坡变形监测中的不确定性因素，对边坡变形监测序列进行建模和预测分析，具有较好的效果，解决了现有施工期边坡变形监测数据量少、无环境量监测数据的问题。

本发明授权基于BVAR模型的施工期库岸边坡变形预测方法在权利要求书中公布了：1.基于BVAR模型的施工期库岸边坡变形预测方法，其特征在于，具体按照以下步骤实施： 步骤1，获取边坡变形监测原始数据作为初始样本，对原始数据进行ADF检验； 步骤2，构建BVAR模型； 步骤3，通过吉布斯采样器获取BVAR模型待估计参数和模型预测值； 步骤4，获得边坡变形的最终预测值及预测区间； 所述步骤1采用MATLAB软件中自带的adftest函数对边坡原始变形监测数据进行ADF检验，通过ADF检验判断监测数据的平稳性； 所述步骤2具体按照以下步骤实施： 步骤2.1，检验BVAR模型最优滞后阶数； 步骤2.1具体为：采用MATLAB库BayVAR中的order_var_d.m程序计算监测数据的BIC值，将BIC最小值作为BVAR模型的最优滞后阶数；为避免模型自由度过多，将order_var_d.m程序中最大滞后阶数取为5阶； 步骤2.2，设定BVAR模型超参数组合； 首先，给定超参数的可能性取值，超参数中，衰减参数={0.01,0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9,1}，总体紧度={0.01,0.05,0.1,0.2,0.3,0.4,0.5,1}，相对紧度={0.1,0.2,0.3,0.4,0.5,1}； 步骤2.3，根据TheilU统计量确定最优超参数组合； 采用BayVAR中的err_d.m脚本程序对步骤2.1设定BVAR模型超参数组合进行试算，得到模型精度评价指标，即TheilU统计量；TheilU统计量越小证明预测误差越小；将试算得到的所有超参数组合的TheilU统计量进行比较，将TheilU统计量最小的超参数组合作为最优超参数组合； 所述步骤3具体为：采用BayVAR中的bvar_gs_d.m脚本程序获取BVAR模型待估计参数和模型预测值； 所述步骤3将吉布斯预迭代次数设定为5000，以确保参数的收敛性，然后舍弃原来的迭代，将吉布斯有效迭代次数设定为1000；BVAR模型系数矩阵中各元素及协方差矩阵中各元素均为待估计参数，吉布斯采样器估计参数； 所述步骤3吉布斯采样器估计参数的具体流程为： 步骤3.1，指定先验分布的均值作为系数矩阵和协方差矩阵的初始值参数的初始值； 步骤3.2，在初始值和监测数据已知的条件下，结合系数的先验信息得到系数矩阵的后验分布，并在满足稳定性条件的基础上对系数进行抽样，以得到系数的估计值； 步骤3.3，在更新后的系数矩阵和监测数据已知的条件下，结合协方差矩阵中参数的先验信息计算其后验分布，并在满足稳定性条件的基础上对其进行抽样，以得到协方差矩阵的估计值； 步骤3.4，把迭代过程中所产生的BVAR模型参数、模型参数的迭代序列存储起来； 步骤3.5，重复步骤3.2-步骤3.3，经过足够次数的迭代后，模型参数的迭代序列收敛且平稳； 步骤3.6，通过吉布斯迭代序列的概率分布得到模型预测值样本。

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西安理工大学，其通讯地址为：710048 陕西省西安市碑林区金花南路5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。