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！

龙图腾网获悉中铁大桥勘测设计院集团有限公司;浙江工业大学申请的专利基于机器学习与不确定性分析的CPTU土体分层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：CN120217173B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202510214969.7，技术领域涉及：G06F18/243；该发明授权基于机器学习与不确定性分析的CPTU土体分层方法是由余颂;冯治国;冷胜强;程靖;赵永峰;谷熠岩;商祥;邱酉酉;陶袁钦;陈松庭设计研发完成，并于2025-02-26向国家知识产权局提交的专利申请。

本基于机器学习与不确定性分析的CPTU土体分层方法在说明书摘要公布了：本发明涉及一种基于机器学习与不确定性分析的CPTU土体分层方法，包括步骤如下，S1.获取海洋土体的CPTU数据与CPTU勘察位置临近的土体钻探数据；S2.训练分类模型；S3.将目标位置CPTU数据输入S2中训练好的分类模型，获得分类结果，采用模型准确性评价指标对分类结果进行评估；S4.结合不确定性分析评估每一分类结果的置信度，获得不确定性分析结果；S5.根据不确定性分析结果，确定土体分层的数量与分界位置，并输出分层结果。该方法结合CPTU高分辨率数据和机器学习算法，通过引入不确定性分析，预测类别置信度优化的自动分层方法对分类结果进行优化，从而获得具有工程参考价值的土层划分结果。

本发明授权基于机器学习与不确定性分析的CPTU土体分层方法在权利要求书中公布了：1.一种基于机器学习与不确定性分析的CPTU土体分层方法，其特征是：包括步骤如下， S1.获取海洋土体的CPTU数据与CPTU勘察位置邻近的土体钻探数据，以获取部分深度的土体类别； S2.利用S1中CPTU数据的有标签数据训练基础模型，并结合CPTU数据的无标签数据构建半监督学习模型，具体步骤如下： S21.基于有标签数据训练基础随机森林分类模型，将无标签数据输入该模型，获取每棵决策树的预测结果； S22.通过投票机制，确定预测类别为投票数最多的类别； S23.对于每个预测样本，计算其预测类别在所有决策树中的投票数占比，并将该占比作为分类置信度，分类置信度超过预定阈值，则视该预测结果为可靠，若置信度低于该阈值，则跳过该样本； S24.将可靠的预测结果作为伪标签，加入训练数据集，形成新的训练集； S25.通过多轮迭代训练，利用有标签数据和添加的伪标签数据，逐步优化分类模型，获得训练好的分类模型； S3.将目标位置CPTU数据输入S2中训练好的分类模型，获得分类结果，采用模型准确性评价指标对分类结果进行评估； S4.结合不确定性分析评估每一分类结果的置信度，并定量分析预测结果的不确定性,获得不确定性分析结果； S5.根据不确定性分析结果，确定土体分层的数量与分界位置，并输出分层结果，S5中结合S3中预测分类结果与S4中不确定性分析结果，基于预测类别置信度优化的自动分层自动确定最佳分界位置并实现土体分层，经多次迭代获得最终的土体分层结果，迭代过程设置最大迭代次数、最小层厚和最低置信度参数，达到最大迭代次数时，迭代停止，若某次迭代中某一区间的土体层厚低于最小层厚，则停止该区间的细分，并保留当前分层结果，若某一土层置信度均值低于最低置信度，则视为不确定土层，经过规定的迭代次数后，将相邻层为相同土体类别的土体视为同一土层，剔除过薄层与不确定土层，获得最终的土体分层结果， 基于预测类别置信度优化的自动分层包括步骤如下： 1将目标区域分为两个土层，并遍历候选分界位置； 2在每个子区间内，通过计算各层土体的置信度均值，并将最大置信度对应的土体类别确定为该层的土体类别； 3当两分层类别不同时，目标值为该分界位置组合的整体置信度加权均值；当分层类别相同时，目标值为两个区间之间置信度均值的差值； 4最终，选择目标函数最大值对应的分界位置作为本次迭代的分层结果。

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中铁大桥勘测设计院集团有限公司;浙江工业大学，其通讯地址为：430050 湖北省武汉市汉阳区汉阳大道34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。