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！

龙图腾网恭喜河海大学申请的专利一种水工结构泄洪振动响应的超参数优化预测的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：CN119128399B 。

龙图腾网通过国家知识产权局官网在2025-04-01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：202411595137.6，技术领域涉及：G06F18/10；该发明授权一种水工结构泄洪振动响应的超参数优化预测的方法是由王硕;张燎军;尹国江设计研发完成，并于2024-11-11向国家知识产权局提交的专利申请。

本一种水工结构泄洪振动响应的超参数优化预测的方法在说明书摘要公布了：本发明属于水利工程技术领域，涉及一种水工结构泄洪振动响应的超参数优化预测的方法，包括如下步骤：收集水工结构不同空间部位的泄洪振动数据，划分输出特征和输入特征；采用计算Pearson相关系数和最大信息系数的方法对输入特征重要性进行排序与筛选，筛除最不相关的输入特征；对筛选后的输入特征进行归一化和滑移窗口迭代预测模式预处理；建立BO‑CNN‑BiLSTM‑CA并行网络模型，将预处理后的数据输入网络模型，进行超参数的优化并对振动响应进行预测；采用偏依赖理论为贝叶斯超参数优化的合理性提供解释；本发明可以有效提升振动预测模型的预测性能和超参数优化过程的可信度。

本发明授权一种水工结构泄洪振动响应的超参数优化预测的方法在权利要求书中公布了：1.一种水工结构泄洪振动响应的超参数优化预测的方法，其特征在于，包括如下步骤：S1、收集水工结构不同空间部位的泄洪振动数据，以结构重要空间部位的泄洪振动极值点数据作为输出特征，以其他空间部位的泄洪振动数据作为输入特征；S2、采用计算皮尔逊相关系数和最大信息系数的方法，对输入特征的重要性进行排序与筛选，筛除最不相关的输入特征；S3、对筛选后的输入特征采用归一化和滑移窗口迭代预测模式进行预处理，以获得时间序列数据；S4、将时间序列数据输入BO-CNN-BiLSTM-CA并行网络模型进行超参数的优化并对振动响应进行预测；其中：所述BO-CNN-BiLSTM-CA并行网络模型包括卷积神经网络模块、双向长短期记忆网络模块、通道注意力模块和贝叶斯优化模块，其中，所述卷积神经网络模块与通道注意力模块相融合并与双向长短期记忆网络模块并行设计；所述贝叶斯优化模块用于对超参数的优化，所述超参数包括卷积神经网络模块的网络层数和单元数、双向长短期记忆网络模块的隐藏层数和单元数、密集连接层中神经元的数目、学习率、激活函数的选取以及批量处理的大小；其中，所述超参数的优化过程，包括如下步骤：S41、超参数空间的界定：设定每一个超参数的取值范围；S42、初始样本的选择：在既定的超参数空间中选取一组初始样本集，作为起点；S43、高斯过程代理模型的构建：基于初始样本集的结果，构建高斯过程代理模型，以近似模拟目标函数；S44、获取函数的计算：在高斯过程代理模型的基础上，根据下置信界、期望改进量和改进概率综合计算获取函数；S45、下一个评估点的选择：根据获取函数的评估结果，指导识别出预计能在目标函数的性能上实现最显著提升的超参数配置；S46、目标函数的评估：将识别出的超参数配置应用于实际的目标函数评估中，为高斯过程代理模型的精细化提供经验数据支撑；S47、高斯过程代理模型的更新：将新评估的点纳入考量，对高斯过程代理模型进行更新；S48、收敛标准的评估：对优化过程进行监控，以评估其是否收敛，收敛标准是达到预设的迭代次数：若未满足收敛标准，则跳转执行S44；若满足收敛标准，则执行S49；S49、优化超参数的输出：输出优化超参数。

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河海大学，其通讯地址为：210024 江苏省南京市鼓楼区西康路1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”。