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！

龙图腾网恭喜中铁西南科学研究院有限公司;中铁科学研究院集团有限公司申请的专利一种基于被动源地震波信号的TBM掘进参数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：CN120085356B 。

龙图腾网通过国家知识产权局官网在2025-07-01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：202510559227.8，技术领域涉及：G01V1/28；该发明授权一种基于被动源地震波信号的TBM掘进参数预测方法是由汪旭;孟露;卢松;吴奎锋;肖洋;赵子越;林元铖;李强;刘继滨;周运金;王福亮;罗远浩设计研发完成，并于2025-04-30向国家知识产权局提交的专利申请。

本一种基于被动源地震波信号的TBM掘进参数预测方法在说明书摘要公布了：本发明涉及一种基于被动源地震波信号的TBM掘进参数预测方法，布设检波器采集经围岩传播后的被动源地震波信号，在TBM每掘进指定距离后重新布设检波器采集被动源地震波信号；将采集的被动源地震波信号转化为虚拟震源地震记录，将时间域地震记录转换为距离域地震记录，提取反射波信号；提取反射波信号的瞬时特征参数，结合TBM历史掘进参数，共同构建预测TBM未开挖区域同类掘进参数所对应的输入向量矩阵；构建基于CNN和Autoformer的混合神经网络模型并训练确定最优混合神经网络模型；将提取的实时采集地震波信号的瞬时特征参数与TBM历史掘进参数同时作为网络模型的输入，预测TBM掘进面前方指定距离的最优掘进参数。实现对隧道远距离待开挖区域的TBM掘进参数准确预测且不影响TBM正常施工，对TBM参数预测具有天然匹配性。

本发明授权一种基于被动源地震波信号的TBM掘进参数预测方法在权利要求书中公布了：1.一种基于被动源地震波信号的TBM掘进参数预测方法，其特征在于，包括以下步骤： S1：在隧道边墙上指定位置布设多个检波器，当TBM正常掘进时，实时采集经围岩传播后的被动源地震波信号，在TBM每掘进指定距离后，重新在边墙上指定位置布设多个检波器采集经围岩传播后的被动源地震波信号； S2：将采集的经围岩传播后的被动源地震波信号转化为虚拟震源地震记录，将时间域地震记录转换为距离域地震记录，提取反射波信号； S3：提取反射波信号的瞬时特征参数，结合TBM历史掘进参数，共同构建预测TBM未开挖区域同类掘进参数所对应的输入向量矩阵； S4：构建基于CNN和Autoformer的混合神经网络模型，获取模型的最优超参数组合对模型进行训练，并通过多折交叉验证确定最优混合神经网络模型； S5：将提取的实时采集地震波信号的瞬时特征参数与TBM历史掘进参数同时作为网络模型的输入，预测TBM掘进面前方指定距离的最优掘进参数； 步骤S4中构建基于CNN和Autoformer的混合神经网络模型，获取模型的最优超参数组合对模型进行训练，并通过多折交叉验证确定最优混合神经网络模型的具体过程如下： S41：建立的混合神经网络模型由CNN网络和Autoformer网络组成，其中CNN网络由两层一维CNN层和最大池化层堆叠组成，并添加随机失活层；Autoformer网络由编码器堆栈层和解码器堆栈层组成； S42：将CNN网络模型与Autoformer网络模型通过Concatenate层进行合并，添加随机失活层防止过拟合，最后通过全连接层进行输出； S43：将步骤S32中的瞬时特征参数矩阵以及预测位置处后方已开挖范围内指定距离的掘进参数时间序列分别作为所建立的混合CNN-Autoformer预测模型的输入，输出设定为TBM掘进面前方指定位置的掘进参数值； S44：采用贝叶斯优化算法对模型中CNN隐藏层节点数、Autoformer编码器堆栈层数、解码器堆栈层数和最佳初始学习率进行寻优，得到最优超参数组合； S45：基于最优超参数组合对模型进行训练，并通过多折交叉验证选取对应的最优混合神经网络模型。

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铁西南科学研究院有限公司;中铁科学研究院集团有限公司，其通讯地址为：610000 四川省成都市金牛区西月城街118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”。