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！

龙图腾网恭喜中国电建集团贵阳勘测设计研究院有限公司申请的专利基于BO-GBRT策略的目标物渗流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：CN118333433B 。

龙图腾网通过国家知识产权局官网在2024-09-17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：202410768148.3，技术领域涉及：G06Q10/0637；该发明授权基于BO-GBRT策略的目标物渗流预测方法是由孙志军;林金城;张合作;程瑞林;韩朝军;孔宇田;韩博设计研发完成，并于2024-06-14向国家知识产权局提交的专利申请。

本基于BO-GBRT策略的目标物渗流预测方法在说明书摘要公布了：本发明公开了基于BO‑GBRT策略的目标物渗流预测方法，属于渗流预测技术领域，包括：S1、基于不同因素对目标物渗流的影响和滞后效应，确定初始目标物渗流影响因素数据；S2、对初始目标物渗流影响因素数据、历史渗流量监测数据以及影响因素数据进行预处理，构建样本数据集；S3、基于样本数据集，通过Spearman相关系数法对初始目标物渗流影响因素进行优选，构建优选样本数据集；S4、建立梯度回归树模型并对优选样本数据集进行训练，并引入贝叶斯优化算法进行超参数寻优，得到最优渗流预测模型；S5、以优选样本数据集作为输入，进行渗流量预测。解决梯度提升回归树优化调参复杂的问题，最终实现对目标物未来渗流情况的高精度预测，支撑并保障目标物的安全运行。

本发明授权基于BO-GBRT策略的目标物渗流预测方法在权利要求书中公布了：1.基于BO-GBRT策略的目标物渗流预测方法，其特征在于，包括如下步骤：S1、基于不同因素对目标物渗流的影响，确定初始目标物渗流影响因素，再基于不同初始目标物渗流影响因素的滞后效应，确定初始目标物渗流影响因素数据；S2、对初始目标物渗流影响因素数据、历史渗流量监测数据以及历史渗流量监测数据的影响因素数据进行预处理，构建样本数据集；S21、以目标物某一位置的历史渗流量监测数据为对象，构建样本数据；S22、将所述样本数据以自定义观测时间段为间隔进行划分，得到划分样本数据，其中，每个划分样本数据代表自定义观测时间段内该位置的累积渗流量；S23、基于所述划分样本数据，以时间和渗流量为单位建立笛卡尔坐标系，绘制折线图，通过目视法，对划分样本数据进行筛除，得到优选样本数据；S24、根据自定义观测时间段获取优选样本数据对应的初始目标物渗流影响因素数据，结合优选样本数据，构建样本数据集；S3、基于所述样本数据集，通过Spearman相关系数法对初始目标物渗流影响因素进行优选，构建优选样本数据集；S31、基于样本数据集，按照初始目标物渗流影响因素与优选样本数据对应的形式重新构建样本数据集，得到重构样本数据集，其中，重构样本数据集表示如下： ；S32、通过Spearman相关系数法计算重构样本数据集中每一组数据中特征值与目标变量的相关系数，得到初始相关系数集；S33、设置相关系数阈值并建立相关系数筛选规则；S34、基于初始相关系数集，通过相关系数筛选规则，构建优选样本数据集；S4、建立梯度回归树模型并对优选样本数据集进行训练，并引入贝叶斯优化算法进行超参数寻优，获得最优超参数，得到最优渗流预测模型；S41、将优选样本数据集分为训练数据集和测试数据集；S42、建立梯度回归树模型并设置梯度回归树模型相关参数；S43、定义待优化的梯度回归树模型的超参数种类以及搜索空间；S44、基于所述超参数种类以及搜索空间，输入贝叶斯优化算法中，并设置初始的迭代次数、交叉验证折叠数和评估指标；S45、以训练数据集作为输入，通过贝叶斯优化算法进行超参数优化，得到最优超参数以及最优渗流预测模型；S5、以优选样本数据集作为输入，基于所述最优渗流预测模型，进行渗流量预测；所述样本数据集表示如下： ；其中，XMN为特征值，表示初始目标物渗流影响因素数据；YM为目标变量，表示优选样本数据；N表示初始目标物渗流影响因素的数量；M表示样本数据集中的数据组的个数。

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国电建集团贵阳勘测设计研究院有限公司，其通讯地址为：550081 贵州省贵阳市观山湖区兴黔路16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”。