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！

龙图腾网获悉山东科技大学;内蒙古上海庙矿业有限责任公司;青岛知岩智控科技有限公司申请的专利基于钻孔油枕应力计监测的绝对采动应力智能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：CN121744266B 。

龙图腾网通过国家知识产权局官网在2026-04-28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：202610236352.X，技术领域涉及：G06F18/27；该发明授权基于钻孔油枕应力计监测的绝对采动应力智能预测方法是由栾恒杰;孙昭;陈建刚;蒋宇静;刘子怡;刘勋;张孙豪;陈文姣;魏加乐;徐兵;张小平;刘明瑞设计研发完成，并于2026-02-28向国家知识产权局提交的专利申请。

本基于钻孔油枕应力计监测的绝对采动应力智能预测方法在说明书摘要公布了：本发明公开了一种基于钻孔油枕应力计监测的绝对采动应力智能预测方法，属于采动应力监测技术领域。该方法包括：制作带钻孔的煤岩围岩试件并安装钻孔油枕应力计；通过加载试验装置对试件施加围压并对钻孔油枕应力计施加初始压力，进行多工况加载以采集相对应力数据；建立绝对应力与相对应力及加载参数之间的线性回归模型；对数据进行预处理及标准化，并划分训练集与验证集；基于训练集，利用高斯过程回归结合贝叶斯优化构建绝对应力预测模型；利用验证集评估模型的精度与可靠性；最后，将现场采集的相对应力、初始压力和钻孔直径数据输入训练好的预测模型，即可得到高精度的围岩绝对应力预测值及其置信区间，实现采动应力的智能化定量预测。

本发明授权基于钻孔油枕应力计监测的绝对采动应力智能预测方法在权利要求书中公布了：1.一种基于钻孔油枕应力计监测的绝对采动应力智能预测方法，其特征在于，所述方法包括如下步骤： S1、制作带钻孔的煤岩围岩试件并在钻孔内安装钻孔油枕应力计； S2、通过加载试验装置对煤岩围岩试件施加围压，并对钻孔油枕应力计施加初始压力，通过多工况加载采集相对应力数据；其中，围压即为绝对应力； S3、建立绝对应力与相对应力及加载参数之间的线性回归模型； S4、对S2和S3所得数据进行预处理及标准化，划分训练集与验证集； S5、基于训练集，利用高斯过程回归结合贝叶斯优化构建绝对应力预测模型； S5包括： S51、构建高斯过程回归模型结构，将标准化后的输入变量向量X表示为： ； 其中，、、、为S4标准化后的相对应力、初始压力、钻孔直径、岩石单轴抗压强度； 采用高斯过程回归方法建立绝对应力关于输入变量的非线性映射关系，将目标函数yX设置为均值函数为0、协方差由核函数决定的高斯过程模型，表示为： ； 其中，yX为标准化后的绝对应力，为协方差核函数，用于衡量不同样本输入之间的相关性； S52、采用径向基核函数作为协方差函数，其表达式为： ； 其中，为信号方差，刻画绝对应力变化幅度；为长度尺度，控制函数对输入变化的敏感度；为噪声方差，用于刻画实验测量噪声；为Kroneckerδ函数，当时为1，否则为0；为输入变量之间的欧氏距离； S53、构建训练协方差矩阵与训练目标向量； 设训练集包含Ntrain条样本，其对应的标准化输入向量构成训练集输入矩阵： ； 训练协方差矩阵为： ； 其中，为径向基核函数超参数集合；为信号方差，用于表征目标函数变化幅度；为长度尺度参数，用于控制模型对输入变量变化的敏感程度；为噪声方差，用于刻画测量噪声对模型输出的不确定性影响；Ntrain为训练样本数量，为训练集输入矩阵，Xi为第i条训练样本的标准化输入向量，包含相对应力、初始压力、钻孔直径及岩石单轴抗压强度特征变量；Ktrain为训练集协方差矩阵，表示协方差矩阵中第i行、第j列元素，其数值由径向基核函数计算得到，反映第i条与第j条训练样本输入向量之间的相似程度；为径向基核函数，在给定超参数集合θ条件下，计算输入向量Xi与Xj之间的协方差值； 为训练集目标向量，由各训练样本对应的标准化绝对应力值构成，其表达式为： ； 其中，为第i条训练样本对应的标准化绝对应力目标值； S54、径向基核函数超参数优化与模型训练，训练过程通过最大化对数边际似然函数，优化径向基核函数的超参数如下： ； 对数边际似然函数表达式为： ； 其中，ytrain为训练集中标准化后的绝对应力目标向量；为训练集中标准化后的绝对应力目标向量的矩阵转置；为训练集目标向量ytrain的对数边际似然函数；Xtrain为训练集输入矩阵；为径向基核函数的超参数集合；Ktrain为基于核函数计算得到的训练集协方差矩阵；为协方差矩阵的行列式；协方差矩阵的逆矩阵；Ntrain为训练样本数量；常数项log2π用于保证概率分布形式的规范性； 采用贝叶斯优化算法对超参数θ进行迭代优化，在每次迭代中利用边际似然计算当前参数性能，并据此调整参数，最终得到最优超参数，最优超参数具体为、及； 训练完成后，得到最终高斯过程回归模型如下： ； 其中，表示以最优超参数确定的高斯过程回归模型；表示所述高斯过程回归模型的均值函数取零均值函数，协方差函数由代入最优超参数后的径向基核函数给出；X与分别表示任意两个输入向量，其元素为标准化后的相对应力、初始压力、钻孔直径及岩石单轴抗压强度特征变量； S55、预测绝对应力，并构建预测区间； 在获得S54的最优超参数、及后，对验证集输入向量进行绝对应力预测； 根据径向基核函数计算测试输入与训练集输入之间的协方差向量： ； 其中，为测试样本与训练样本之间的协方差向量；为代入最优超参数后的径向基核函数值；Xi为第i个训练样本输入向量；Ntrain为训练样本数量； 绝对应力的标准化预测值由下式给出： ； 其中，为绝对应力的标准化预测值；为训练协方差矩阵的逆矩阵；为训练集标准化后的绝对应力向量； 预测方差为： ； 其中，为测试点自身的核函数值；为验证集样本的预测方差，用于量化模型对该样本预测结果的不确定性大小；为测试样本与训练样本之间的协方差向量；为验证集输入向量；协方差矩阵的逆矩阵；为协方差矩阵的矩阵转置； 将预测值反标准化得到最终绝对应力预测结果如下： ； 其中，为验证集样本对应的绝对应力预测值；和分别为绝对应力的均值和标准差； 为反映预测可信区间，根据预测方差构建绝对应力的95%预测区间： ，； 其中，和分别为预测下限与上限； S6、利用验证集评估预测模型的精度与可靠性； S7、采集现场数据输入预测模型，得到绝对应力预测结果。

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山东科技大学;内蒙古上海庙矿业有限责任公司;青岛知岩智控科技有限公司，其通讯地址为：266590 山东省青岛市黄岛区前湾港路579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。