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！

龙图腾网获悉同济大学;中铁二十局集团第四工程有限公司申请的专利一种软岩隧道可靠性评价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：CN114996983B 。

龙图腾网通过国家知识产权局官网在2026-03-13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：202210097968.5，技术领域涉及：G06F30/23；该发明授权一种软岩隧道可靠性评价方法是由许建聪;杨成斌;芮国荣;张朋辉;张利军设计研发完成，并于2022-01-27向国家知识产权局提交的专利申请。

本一种软岩隧道可靠性评价方法在说明书摘要公布了：本发明涉及一种软岩隧道可靠性评价方法，包括：生成指定数量的参数数据集，并确定数值试验方案；采用FLAC3D有限差分软件进行数值模拟计算，得到指定测点位移量，之后结合参数数据集，得到整体的参数‑位移数据集；通过多层神经网络算法，构建参数与位移的拟合模型，采用萤火虫算法对多层神经网络模型超参数寻优，得到最优拟合模型；采集软岩隧道洞周实测位移数据，并根据洞周设计预留变形值，结合最优拟合模型，采用贝叶斯推断算法计算岩土力学参数的概率分布，据此反演待求围岩参数，得到优化的围岩力学参数，以进一步计算得到软岩隧道初支护结构相应的可靠指标。与现有技术相比，本发明能够快速、精准地得到软岩隧道结构可靠性评价结果。

本发明授权一种软岩隧道可靠性评价方法在权利要求书中公布了：1.一种软岩隧道可靠性评价方法，其特征在于，包括以下步骤： S1、采用拉丁超立方抽样方法生成指定数量的参数数据集，并确定数值试验方案； S2、根据步骤S1确定的数值试验方案，采用FLAC3D有限差分软件进行数值模拟计算，得到指定测点位移量； 并结合步骤S1生成的参数数据集，得到整体的参数-位移数据集； S3、通过多层神经网络算法，构建参数与位移的拟合模型，并采用萤火虫算法对多层神经网络模型超参数寻优，选取出最优超参数组合，得到最优拟合模型； S4、采集软岩隧道洞周实测位移数据，并根据洞周设计预留变形值，结合最优拟合模型，采用贝叶斯推断算法计算岩土力学参数的概率分布，据此反演待求围岩参数，得到优化的围岩力学参数； 所述围岩参数包括围岩弹性模量、泊松比、围岩粘结力和围岩内摩擦角； 步骤S3具体包括以下步骤： S31、按照设定比例将整体参数-位移数据集划分为训练集和测试集； S32、通过多层神经网络算法，建立输入输出样本数据间的关系，以构建得到参数与位移的拟合模型； S33、采用萤火虫算法，结合训练集和测试集，对步骤S32构建的拟合模型进行超参数调优，得到最优拟合模型，其中，超参数包括学习率、正则化参数、每一个隐层中神经元的个数、神经元激活函数、神经网络的层数、参加训练模型数据的规模、学习的回合数Epoch、小批量数据minibatch的大小； 步骤S33具体包括以下步骤： S331、确定萤火虫算法中的自适应移动步长α和自适应光吸收系数γ： 其中，α0、γ0分别为初始移动步长和初始光强吸收系数，c为确定随机性衰减速度的整数，Itrmax为最大迭代次数，Itri为当前迭代次数； S332、采用萤火虫算法不断迭代调用输入输出样本数据间的关系，通过求解目标函数的最优解，确定出拟合模型的最优超参数，即得到最优拟合模型； 步骤S4具体包括以下步骤： S41、采集软岩隧道洞周实测位移数据，结合最优拟合模型，采用贝叶斯推断算法计算软岩隧道洞周实测位移数据对应的岩土力学参数的概率分布； S42、根据步骤S41中软岩隧道洞周实测位移数据对应的岩土力学参数的概率分布，得到岩土力学参数的置信区间，其中，概率分布均值对应的参数值即为优化的反演围岩力学参数，所述优化的反演围岩力学参数包括软岩隧道初支护结构洞周预留变形值对应的围岩弹性模量、粘结力和内摩擦角的计算值； S5、根据步骤S4的计算结果，进一步计算得到软岩隧道初支护结构相应的可靠指标： 其中，β为可靠性指标，μE和σE分别为围岩弹性模量的均值和标准差，μc和σc分别为围岩粘结力的均值和标准差，和分别为围岩内摩擦角的均值和标准差，E*、c*、分别为步骤S42反演计算得到的软岩隧道初支护结构洞周预留变形值对应的围岩弹性模量、粘结力和内摩擦角的计算值。

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同济大学;中铁二十局集团第四工程有限公司，其通讯地址为：200092 上海市杨浦区四平路1239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。