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！

龙图腾网获悉西安理工大学申请的专利基于CBMA和DE-MCMC算法的面板堆石坝变形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：CN119513724B 。

龙图腾网通过国家知识产权局官网在2026-01-13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：202411582021.9，技术领域涉及：G06F18/2415；该发明授权基于CBMA和DE-MCMC算法的面板堆石坝变形预测方法是由程琳;张雨鹏;马春辉;许增光设计研发完成，并于2024-11-07向国家知识产权局提交的专利申请。

本基于CBMA和DE-MCMC算法的面板堆石坝变形预测方法在说明书摘要公布了：本发明公开了基于CBMA和DE‑MCMC算法的面板堆石坝变形预测方法，根据水压、温度以及时效分量构建面板堆石坝变形监测模型，将测点沉降量与影响因子之间的Copula函数联合分布替代贝叶斯模型平均原有的均匀分布假设，将面板堆石坝监测模型以及测点数据代入Copula贝叶斯模型的平均计算体系，并结合差分演化马尔科夫链蒙特卡洛算法对模型改进，并将该方法在面板堆石坝的变形监测中进行应用。本发明所提出的基于CBMA和DE‑MCMC算法的预测方法在堆石坝变形进行预测的过程中对模型的不确定性进行了更好的量化分析，不仅可以更有效的分析堆石坝变形规律和特性，还保留了统计模型良好的可解释性和实测拟合性。

本发明授权基于CBMA和DE-MCMC算法的面板堆石坝变形预测方法在权利要求书中公布了：1.基于CBMA和DE-MCMC算法的面板堆石坝变形预测方法，其特征在于，构建面板堆石坝变形监测模型，将测点沉降量与影响因子之间的Copula函数联合分布替代贝叶斯模型均匀分布假设，将面板堆石坝监测模型以及测点数据代入Copula贝叶斯模型的平均计算体系，并结合差分演化马尔科夫链蒙特卡洛算法对模型进行改进，并将该方法在面板堆石坝的变形监测中进行应用；具体操作如下： 步骤1、对面板堆石坝上的监测点进行连续监测获取测点的沉降量以及对应的水位、温度环境数据，对所获得的环境数据进行预处理、对测点的沉降量进行归一化处理； 所述预处理包括插值补充，剔除异常值； 所述归一化处理的具体表达式如下： 1 式1中，为归一化后的沉降量数据；为输入变量；和分别为输入变量的最大值和最小值； 步骤2、针对水压、温度以及时效作为影响因子构建面板堆石坝变形监测模型；所述面板堆石坝变形监测模型如式2所示： 2 式中：为回归常系数；为水压因子回归系数，；为上游水深的i次方；为前i天的平均水深；为温度因子回归系数，n为一年内简谐分量的循环次数，若n=1，表示取一年为一个周期；若n=2，表示取半年为一周期；t为监测日距离初始监测日的间隔天数；、、为时效因子回归系数；；为前七日的累计变形量； 步骤3、构建测点沉降量与每个影响因子之间的最佳联合分布Copula函数；具体如下： 根据核密度估计法确定沉降量与影响因子的边缘分布，最后采用半参数估计法求出Copula函数中的参数并进行拟合寻优，根据平方欧式距离选择最佳Copula函数形式； 步骤4、将步骤3中得到的最佳联合分布Copula函数替代贝叶斯模型平均体系中原有的均匀分布假设形成Copula贝叶斯模型，将面板堆石坝监测模型以及测点沉降量代入该Copula贝叶斯模型的平均计算体系，通过DE-MCMC算法计算出各个影响因子以及监测模型的后验概率，完成对模型的不确定性量化；面板堆石坝变形监测模型的后验包含概率计算方法具体如下： 面板堆石坝变形监测模型的影响因子在建模过程有两种选择，即选入或未选入，从而形成所有的模型空间，其模型参数的后验概率由式6求得： 6 式中：为待估参数向量，即面板堆石坝变形监测模型每个影响因子回归系数组成的向量；D为观测的大坝沉降量数据样本；为模型空间中第k个面板堆石坝变形监测模型；模型空间中参数的后验概率，即预测模型各影响因子的后验包含概率；为模型空间中第k个面板堆石坝变形监测模型的后验概率；为在第k个面板堆石坝变形监测模型中参数的后验概率。

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西安理工大学，其通讯地址为：710048 陕西省西安市碑林区金花南路5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。