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！

龙图腾网获悉中交隧道工程局有限公司;同济大学申请的专利一种大直径全预制拼装盾构隧道掘进姿态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：CN118690645B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202410789907.4，技术领域涉及：G06F30/27；该发明授权一种大直径全预制拼装盾构隧道掘进姿态智能预测方法是由杨光;张冬梅;陈兆庚;黄忠凯;朱美恒;姚占虎;吴双;高俊华;李永波;甘彬霖;陈思睿设计研发完成，并于2024-06-18向国家知识产权局提交的专利申请。

本一种大直径全预制拼装盾构隧道掘进姿态智能预测方法在说明书摘要公布了：本发明涉及盾构施工技术领域，具体涉及一种大直径盾构全预制拼装隧道掘进姿态智能预测方法。步骤如下：1构建门控循环单元神经网络以及选取特征向量；2对原始数据集预处理，先进行数据降噪，然后统一进行归一化处理；3按照一定比例划分训练集、验证集和测试集；4基于扰动状态理论构建惯性权重动态更新公式，提出自适应扰动权重粒子群优化算法，用于确定门控循环单元网络的最优超参数组合；等等。本发明能够揭示大直径全预制拼装工艺下，掘进参数与姿态参数间的复杂非线性映射关系；同时，通过改进的ADWPSO算法提高预测模型的计算效率和精度。

本发明授权一种大直径全预制拼装盾构隧道掘进姿态智能预测方法在权利要求书中公布了：1.一种大直径全预制拼装盾构隧道掘进姿态智能预测方法，其特征是，按如下步骤实施： 1构建门控循环单元GRU神经网络以及选取特征向量；具体的，收集样本原始数据，基于盾构姿态数据的时间序列特征，选择门控循环单元GRU构建预测模型； 2对原始数据集预处理，先进行数据降噪，然后统一进行归一化处理； 3按照一定比例划分训练集、验证集和测试集； 4基于扰动状态理论构建惯性权重动态更新公式，提出自适应扰动权重粒子群优化ADWPSO算法，用于确定门控循环单元GRU网络的最优超参数组合； 5基于步骤1设计的构建预测模型，以及通过步骤4设计的自适应扰动权重粒子群优化ADWPSO算法所确立的最优超参数组合，建立了ADWPSO-GRU预测模型，可根据不断更新的样本数据集动态输出盾构姿态预测值； 步骤1中考虑大直径全预制拼装盾构隧道中隔墙、弧形件这些特殊施工工艺的影响，通过互信息特征选择算法筛选出与盾构姿态目标值具有强非线性关系的前五位掘进参数j1、j2、j3、j4、j5，并与地层参数、Es、C、、K、隧道几何参数HD，参与构成输入数据集x； 其中，互信息特征值可按照下式计算： 式中，PX，Y表示随机变量X和Y的联合概率分布；PX和PY分别表示随机变量X和Y的边缘概率分布； 步骤4中建立的自适应扰动权重粒子群优化ADWPSO算法，用于确定门控循环单元GRU网络的最优超参数组合； 其中，GRU网络模型的最优超参数组合主要包括数据窗口大小、隐藏层神经元个数、学习率及正则化参数，即超参数维度D=4； 具体的， 所述自适应扰动权重粒子群优化ADWPSO算法： 基于扰动状态理论建立自适应惯性权重动态更新公式，用于调整粒子速度及位置； 其中，种群中粒子i在更新到第k代时，第d维寻优子空间的速度及位置更新公式如下： 式中，w为惯性权重，决定当前粒子速度变化的程度； c 1和c2分别为个体及社会学习因子，能够平衡粒子和群体最优位置的影响效果； r 1和r2为介于0，1之间的随机数； 为第d维在第i个粒子到第k次迭代结束时搜索到的个体最优位置； 为整个粒子群在第k次迭代结束时第d维的全局最优位置，在达到迭代终止条件时即可输出超参数数据窗口大小、隐藏层神经元个数、学习率及正则化参数的最优解； w惯性因子的变化决定着粒子的搜索能力，为平衡全局和局部搜索能力，引入扰动状态理论建立自适应权重动态更新公式： 式中，为扰动因子；wmax和wmin为最大惯性因子和最小惯性因子，分别取0.9和0.4； 其中，扰动因子由下式表示： 式中，为表征粒子适应值相对变化率的参数； 参数由下式确定： 式中，为粒子i在k次迭代时的适应值。

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交隧道工程局有限公司;同济大学，其通讯地址为：100102 北京市朝阳区管庄周家井大院内世通大厦A座15层1510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。