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！

龙图腾网获悉华中科技大学申请的专利基于混合智能方法的暗挖隧道变形预测和优化方法及设备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：CN116050603B 。

龙图腾网通过国家知识产权局官网在2026-01-16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：202211738891.1，技术领域涉及：G06Q10/04；该发明授权基于混合智能方法的暗挖隧道变形预测和优化方法及设备是由吴贤国;徐文;赵鹏鑫;刘俊;李昕懿;黄浩;曹源;冯宗宝设计研发完成，并于2022-12-31向国家知识产权局提交的专利申请。

本基于混合智能方法的暗挖隧道变形预测和优化方法及设备在说明书摘要公布了：本发明属于隧道变形控制技术领域，并具体公开了一种基于混合智能方法的暗挖隧道变形预测和优化方法及设备。包括：基于小间距暗挖隧道施工参数的监测数据，确定影响参数，进行数据预处理；利用贝叶斯BO优化随机森林RF预测模型参数，进行超参数优化与影响参数重要性排序，得到预测结果；基于预测得到的优化目标与影响参数间的非线性回归映射关系，建立NSGA‑Ⅲ模型中的目标优化函数，获取Pareto前沿解集，实现小间距暗挖隧道施工的多目标优化。本发明结合BO‑RF‑NSGA‑Ⅲ构建小间距暗挖隧道变形预测和优化控制模型，实现了对地表沉降、隧道拱顶沉降和隧道拱腰沉降的超前预测，为小间距暗挖隧道的施工操作提供依据和指导。

本发明授权基于混合智能方法的暗挖隧道变形预测和优化方法及设备在权利要求书中公布了：1.一种基于混合智能方法的暗挖隧道变形预测和优化方法，其特征在于，包括以下步骤： 步骤一：基于小间距暗挖隧道施工参数的监测数据，确定影响参数，进行数据预处理； 步骤二：利用贝叶斯优化RF预测模型参数，进行超参数优化与影响参数重要性排序，得到预测结果； 步骤三：基于预测得到的优化目标与影响参数间的非线性回归映射关系，建立NSGA-Ⅲ模型中的目标优化函数，获取Pareto前沿解集，实现小间距暗挖隧道施工的多目标优化； 步骤一中，所述影响参数包括几何参数、围岩参数、爆破参数以及掘进参数； 根据上述影响参数构建影响地表沉降与相邻隧道沉降变形的输入指标体系：隧道埋深x1、跨覆比x2、隧道中线间距x3、中夹岩层厚度x4、围岩强度x5、土体弹性模量x6、土体粘聚力x7、土体内摩擦角x8、土体密度x9、周边眼间距x10、炮孔密集系数x11、光面层厚度x12、掘进速度x13、掌子面纵向间距x14、土体加固强度x15； 步骤三中所述的基于预测得到的优化目标与影响参数间的非线性回归映射关系，建立NSGA-Ⅲ模型中的目标优化函数，获取Pareto前沿解集，实现小间距暗挖隧道施工的多目标优化及预测，包括以下步骤： 1设计情景分析 基于施工参数重要性和影响规律确定多目标优化的约束参数，并通过调整参数设计不同的场景，进行情景分析； 2建立目标优化函数 利用随机森林预测模型得到地表沉降、相邻隧道沉降变形与土体加固强度、掘进速度及掌子面纵向间距的非线性函数关系，可根据经验公式获得目标函数，将所述非线性函数关系作为NSGA-Ⅲ算法的适应度函数； 3设置参数约束范围 设定各个参数的约束范围，并将盖约束范围作为优化的约束条件，约束条件表达为： bbl＜xi＜bul5 其中，xi代表第i个输入参数，bbl和bul分别表示第i个设计参数值的下限和上限； 4NSGA-Ⅲ多目标优化 基于NSGA-Ⅲ算法对设置的地表沉降、相邻隧道沉降变形与土体加固强度、掘进速度及掌子面纵向间距进行多目标优化； 所述基于NSGA-Ⅲ算法对设置的地表沉降、相邻隧道沉降变形与土体加固强度、掘进速度及掌子面纵向间距进行多目标优化具体包括： 1设置一个初始种群表示为Pt，根据给定的变量边界限制，随机生成决策变量，从而生成一个具有N个个体的初始化种群； 2对第一代种群进行选择、交叉、变异操作，得到与第一代种群规模相同的首批子代种群，合并两个种群，得到一个双倍规模的种群； 3对双倍规模种群进行非支配排序，确定个体的非支配层级，按照降序等级依次保留个体，直到下一代子代的集合大于初始种群的规模，记下此时的非支配层级； 4选取当前种群中个体的每一维目标的最小值，构成当前种群的理想点： 式中，为各目标函数的最小取值， 将种群做平移操作，将理想点变为原点，对每个目标函数进行标量化操作，寻找极值点，算出对应坐标轴上的截距，并进行归一化运算； 5计算多个目标函数上的参考点，成的参考点的数目取决于目标向量的维数M和另一个正整数H，如下式所示： 该方程解的数目可以按下式计算： 设xj,1,xj,2,...,xj,mT是方程的第j个解，参考点λj为： 理想点与参考点的连线作为参考线L，计算种群中的个体到各参考线的距离，个体与参考线距离最近则将该个体与对应的参考线建立联系，假设u是fx在参考线L上的投影，dj,1x是原点和u之间的距离，dj,2x是从fx到线L的垂直距离，距离计算公式为： 6筛选子代与删除参考点，每个参考点进行遍历，寻找到被引用次数最少的参考点，即被数量最少的种群个体所关联的参考点，假如这个参考点关联的种群个体数量为零，在有个体被关联到这个参考点向量，从中寻找距离最小的点并抽取，加入到被选择的下一代种群中，并被引用次数+1；如果没有个体被引用到该参考点，则删除该参考点向量，倘若被引用次数0，则从中选择距离最近的参考点直到种群规模为N为止，获取Pareto最优解集。

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华中科技大学，其通讯地址为：430000 湖北省武汉市洪山区珞喻路1037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。