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！

龙图腾网获悉中电建铁路建设投资集团有限公司;中电建铁路建设投资集团重庆有限公司;重庆大学申请的专利一种基于BIM的智能施工过程监测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：CN120277796B 。

龙图腾网通过国家知识产权局官网在2025-09-12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：202510772241.6，技术领域涉及：G06F30/13；该发明授权一种基于BIM的智能施工过程监测方法及系统是由袁峰;温元平;李小勇;钟祖良;厉志;宋锐;张建军;李伟;庞磊磊;涂义亮;王利民;王明理;刘呈祥;葛慧婷;曹钰晖设计研发完成，并于2025-06-11向国家知识产权局提交的专利申请。

本一种基于BIM的智能施工过程监测方法及系统在说明书摘要公布了：本发明公开了一种基于BIM的智能施工过程监测方法及系统，属于智能施工技术领域，通过构建地铁车站转换段暗挖施工现场对应的BIM，并基于所述BIM对地铁车站转换段暗挖施工现场进行有限元分析，确定应力集中区域，然后采集所述应力集中区域对应的安全影响因素，并采用预先部署的机器学习模型对所述安全影响因素进行识别，确定支撑结构优化数据，最后将所述支撑结构优化数据传输给现场工作人员，以使现场工作人员根据所述支撑结构优化数据进行施工，实现了对支撑结构参数的动态优化，能够自适应围岩应力重分布过程，有效地保证了施工安全性。

本发明授权一种基于BIM的智能施工过程监测方法及系统在权利要求书中公布了：1.一种基于BIM的智能施工过程监测方法，其特征在于，包括： 构建地铁车站转换段暗挖施工现场对应的BIM，并基于所述BIM对地铁车站转换段暗挖施工现场进行有限元分析，确定应力集中区域； 采集所述应力集中区域对应的安全影响因素，并采用预先部署的机器学习模型对所述安全影响因素进行识别，确定支撑结构优化数据； 将所述支撑结构优化数据传输给现场工作人员，以使现场工作人员根据所述支撑结构优化数据进行施工，完成基于BIM的智能施工过程监测； 所述机器学习模型的预先部署方法，包括： 构建具备数据矩阵识别能力的机器学习模型，并对所述机器学习模型的超参数进行初始化编码，获取多个超参数编码； 获取预先存储的历史安全影响因素以及历史安全影响因素对应的支撑结构优化数据标签，并根据历史安全影响因素以及历史安全影响因素对应的支撑结构优化数据标签，获取每个超参数编码对应的适应度； 根据所述超参数编码对应的适应度，确定适应度最大的超参数编码作为最优编码； 采用随机链式搜索策略对超参数编码进行联合链式搜索，得到联合链式搜索之后的超参数编码； 以所述最优编码为基础，采用概率决策均衡搜索策略对联合链式搜索之后的超参数编码进行全局与局部的均衡搜索，得到均衡搜索之后的超参数编码； 采用自适应随机混沌搜索策略对均衡搜索之后的超参数编码进行全局搜索，得到全局搜索之后的超参数编码； 重复执行随机链式搜索策略、概率决策均衡搜索策略以及自适应随机混沌搜索策略，直至满足训练结束条件，重新获取最优编码； 根据重新获取的最优编码，对所述机器学习模型部署； 对所述机器学习模型的超参数进行初始化编码，获取多个超参数编码，包括： 在所述机器学习模型的超参数对应的上限与下限之间进行随机初始化，并将初始化之后的超参数编码为向量，得到初始超参数编码； 以所述初始超参数编码为基础，获取多个其他的超参数编码为： 其中，表示第k个超参数编码，且k=1时，为初始超参数编码，表示第k+1个超参数编码，表示求余函数，表示圆周率，sin表示正弦函数，表示第一常数项，且设置为0.5；b表示第二常数项，且设置为0.2； 采用随机链式搜索策略对超参数编码进行联合链式搜索，得到联合链式搜索之后的超参数编码，包括： 针对任意一个超参数编码，为所述超参数编码随机匹配一个其他超参数编码，得到每个所述超参数编码对应的联合搜索编码； 根据所有超参数编码对应的适应度，将超参数编码按照适应度从大到小的顺序排列，得到排列之后的超参数编码； 针对个排列之后的超参数编码，根据所述超参数编码对应的联合搜索编码，对超参数编码进行联合链式搜索，得到联合链式搜索之后的超参数编码为： 其中，表示第t次训练时第i个排序后的超参数编码的第d维超参数，i=1,2,..,M，M表示超参数编码总数，d=1,2,..,D，D表示超参数编码中超参数总维度，表示第i个联合链式搜索之后的超参数编码的第d维超参数，sin表示正弦函数，cos表示余弦函数，表示圆周率，表示（0,1）之间的第一随机数，表示（0,1）之间的第二随机数，表示第i个排序后的超参数编码对应的联合搜索编码的第d维超参数； 以所述最优编码为基础，采用概率决策均衡搜索策略对联合链式搜索之后的超参数编码进行全局与局部的均衡搜索，得到均衡搜索之后的超参数编码，包括： 以当前训练次数为基础，获取自适应决策概率为： 其中，表示自适应决策概率，表示预设的概率基本值，表示韦伯分布控制因子，W表示韦伯分布函数，T表示预设的最大训练次数，t表示当前训练次数；表示韦伯分布的形状参数，表示韦伯分布的尺度参数，e表示自然常数； 生成（0,1）之间的第三随机数，并判断所述第三随机数是否小于自适应决策概率，若是，则对联合链式搜索之后的超参数编码进行莱维飞行搜索，获取均衡搜索之后的超参数编码，否则以所述最优编码为基础，对联合链式搜索之后的超参数编码进行最优方向搜索，获取均衡搜索之后的超参数编码； 对联合链式搜索之后的超参数编码进行莱维飞行搜索，获取均衡搜索之后的超参数编码为： 其中，表示第t次训练时第j个联合链式搜索之后的超参数编码的第d维超参数，表示第j个均衡搜索之后的超参数编码的第d维超参数，j=1,2,..,M，M表示超参数编码总数，表示第t+1次训练时第j个联合链式搜索之后的超参数编码对应的更新速度中的第d维元素，表示第一惯性权重，表示第t次训练时第j个联合链式搜索之后的超参数编码对应的更新速度中的第d维元素，表示第一学习因子，表示第二学习因子，表示设置于（1,3）之间的搜索范围控制因子，表示第j个联合链式搜索之后的超参数编码与第一随机超参数编码之间的欧式距离，表示第j个联合链式搜索之后的超参数编码与第二随机超参数编码之间的欧式距离，表示（0,1）之间的第一莱维飞行因子，表示（0,1）之间的第二莱维飞行因子； 以所述最优编码为基础，对联合链式搜索之后的超参数编码进行最优方向搜索，获取均衡搜索之后的超参数编码为： 其中，表示最优编码的第d维超参数。

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电建铁路建设投资集团有限公司;中电建铁路建设投资集团重庆有限公司;重庆大学，其通讯地址为：100000 北京市丰台区汽车博物馆东路10号院3号楼7层701；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”。