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！

龙图腾网获悉水利部交通运输部国家能源局南京水利科学研究院申请的专利一种基于机理和数据双驱动的土石坝渗流压力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：CN120337687B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：202510839722.4，技术领域涉及：G06F30/23；该发明授权一种基于机理和数据双驱动的土石坝渗流压力预测方法是由黄昊冉;陈斯煜;谷艳昌;盛金保;王士军;庞琼;吴云星;黄海兵设计研发完成，并于2025-06-23向国家知识产权局提交的专利申请。

本一种基于机理和数据双驱动的土石坝渗流压力预测方法在说明书摘要公布了：本发明提出了一种基于机理和数据双驱动的土石坝渗流压力预测方法，包括以下步骤：生成多工况渗流压力数据，通过极光优化算法优化径向基函数神经网络构建高效代理模型；基于代理模型预测结果，结合实测数据进行拟合，建立基于滞后效应函数的渗流压力预测机理模型；以机理模型的预测值为标签，监督训练模型学习渗流场的物理规律；冻结训练完成的模型中的物理特征提取层，利用实测数据微调时序建模层，实现对实测值的逼近。本发明将机理驱动与数据驱动有机结合，既保留物理规律的可解释性，又利用实测数据补足机理模型未考虑的复杂因素，在保证模型预测精度的同时，显著提高深度学习模型在极端工况下的泛化能力。

本发明授权一种基于机理和数据双驱动的土石坝渗流压力预测方法在权利要求书中公布了：1.一种基于机理和数据双驱动的土石坝渗流压力预测方法，其特征在于，包括以下步骤： 步骤1，对监测数据粗差剔除并填补缺失值，采用小波降噪进行预处理； 步骤2，基于有限元仿真生成水位-渗流压力数据集，通过极光优化算法PLO优化径向基函数神经网络RBFNN构建代理模型；基于代理模型预测结果，结合实测数据进行拟合，建立基于滞后效应函数的渗流压力预测机理模型，具体为： ； 其中，为常数项，t为从计算起点起算的时间，与至为各分量的回归系数；为t时刻的代理模型预测结果，为正态分布的滞后效应函数，其形式为： ； 其中，为调整参数，为滞后天数峰值，为影响天数，与通过PLO优化算法求得； 步骤3，物理约束的深度学习迁移，包括两个阶段：第一阶段训练，以步骤2的机理模型的预测值为标签，监督训练PLO-Transformer-BiLSTM网络学习渗流场的物理规律；第二阶段微调，冻结第一阶段训练完成的PLO-Transformer-BiLSTM网络中的物理特征提取层，利用实测数据微调时序建模层BiLSTM，利用实测数据优化时序残差模块； 步骤4，通过数据集计算回归评价指标，对比理论标签与实测标签训练效果；通过在有限元生成的虚拟工况上计算模型评价指标，对比验证模型外推能力；保存最优参数及归一化参数，嵌入安全监控系统实施渗压预测与预警。

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水利部交通运输部国家能源局南京水利科学研究院，其通讯地址为：210029 江苏省南京市鼓楼区广州路223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”。