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！

龙图腾网获悉武汉大学申请的专利基于机器学习的高拱坝谷幅变形预测方法、装置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：CN117973677B 。

龙图腾网通过国家知识产权局官网在2025-05-30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：202410040230.4，技术领域涉及：G06Q10/063；该发明授权基于机器学习的高拱坝谷幅变形预测方法、装置是由唐小松;臧航航;李典庆;刘勇设计研发完成，并于2024-01-10向国家知识产权局提交的专利申请。

本基于机器学习的高拱坝谷幅变形预测方法、装置在说明书摘要公布了：本申请公开了基于机器学习的高拱坝谷幅变形预测方法、装置。本申请所公开方法中，采用麻雀搜索算法优化最小二乘支持向量机算法中的超参数组合并结合变分模态分解得到VMD‑SSA‑LSSVM，并对VMD‑SSA‑LSSVM模型进行训练形成预测模型，最终基于预测模型由待预测时间参数生成预测模型，极大地提高了预测模型的计算准确率，从而确保了预测结果的精准性。同时，基于弹性网络和随机森林从用以界定对谷幅变形的影响程度的预置影响因素参数中识别出关键影响因素参数，以关键影响因素参数将作为训练VMD‑SSA‑LSSVM模型的输入对象，提升了影响因素与谷幅变形之间的关联性，为确保预测结果的精准性奠定基础。

本发明授权基于机器学习的高拱坝谷幅变形预测方法、装置在权利要求书中公布了：1.一种基于机器学习的高拱坝谷幅变形预测方法，其特征在于，包括：获取高拱坝的历史监测数据，所述历史监测数据包含与时间参数相对应的谷幅变形、预置影响因素参数，所述历史监测数据被处理成时间序列数据，所述预置影响因素参数用以界定对谷幅变形的影响程度；从预置影响因素参数中选取关键影响因素参数，从预置影响因素参数中选取关键影响因素参数具体为：基于弹性网络和随机森林，对预置影响因素参数进行筛选和排序，形成关键影响因素参数；基于弹性网络中的特征筛选方法对谷幅变形影响因子组中的影响因素进行筛选，通过将不重要的影响因素对应的模型系数压缩为0，识别出关键影响因素；将识别出的关键影响因素数据集重新定义为输入，谷幅变形时间序列数据集定义为输出，基于随机森林中的重要性度量方法计算关键影响因素的重要性系数并进行重要性排序，评价关键影响因素对谷幅变形的影响程度；基于变分模态分解将原始平稳的历史监测数据原始非平稳的谷幅变形时间序列监测数据分解为K个子序列；通过麻雀搜索算法优化最小二乘支持向量机算法中的超参数组合并结合变分模态分解，构建VMD-SSA-LSSVM模型，采用各子序列对VMD-SSA-LSSVM模型训练形成进行预测模型，再基于预测模型生成的谷幅变形的最终预测结果为各子预测值的叠加，子预测值亦由预测模型所生成；根据所述历史监测数据训练所述VMD-SSA-LSSVM模型，得到预测模型；基于所述预测模型，根据待预测时间参数生成谷幅变形的预测结果。

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武汉大学，其通讯地址为：430072 湖北省武汉市武昌区八一路299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”。