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！

龙图腾网获悉山东科技大学;中铁十八局集团有限公司申请的专利一种融合多因素智能优化的隧道爆破振速预测方法及系统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：CN120086956B 。

龙图腾网通过国家知识产权局官网在2025-07-11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：202510570450.2，技术领域涉及：G06F30/13；该发明授权一种融合多因素智能优化的隧道爆破振速预测方法及系统是由苏会锋;耿文龙;曹林闯;李鹏超;何瑞江;张宗谦;郭可策;程宁;孔德浩;李晨睿;杨卓而设计研发完成，并于2025-05-06向国家知识产权局提交的专利申请。

本一种融合多因素智能优化的隧道爆破振速预测方法及系统在说明书摘要公布了：本发明属于智能隧道工程技术领域，公开了一种融合多因素智能优化的隧道爆破振速预测方法及系统。该方法采集爆破参数及历史振动监测数据；构建包含多因素特征的数据集，初始化XGBoost超参数及利用SSA算法对XGBoost超参数进行迭代优化，输入训练集数据以训练优化后的SSA‑XGBoost模型，利用测试集验证模型性能并对比传统模型预测性能；根据预测值实时动态调整单段药量参数，结合安全阈值生成风险预警，实现爆破设计的闭环优化。本发明结合安全阈值以及SSA‑XGBoost模型生成实时风险预警，通过动态调整爆破参数，实现爆破设计的闭环优化，在确保施工安全的同时还提高了施工效率。

本发明授权一种融合多因素智能优化的隧道爆破振速预测方法及系统在权利要求书中公布了：1.一种融合多因素智能优化的隧道爆破振速预测方法，其特征在于，该方法包括以下步骤： S1，采集爆破参数及历史振动监测数据，爆破参数包括最大单段装药量、爆心距、钻孔深度及岩石抗压强度； S2，对数据进行归一化处理，构建包含多因素特征的数据集，该数据集包括训练集、验证集以及测试集，其中，训练集、验证集、测试集所占比值为8：1：1； S3，初始化XGBoost超参数，利用SSA算法对XGBoost超参数进行迭代优化，完成SSA-XGBoost模型搭建； S4，输入训练集数据以训练优化后的SSA-XGBoost模型，利用测试集验证模型性能并对比传统模型预测性能； S5，根据预测值实时动态调整单段药量参数，结合安全阈值生成风险预警，实现爆破设计的闭环优化； 在步骤S3中，初始化XGBoost超参数，包括： XGBoost的目标函数由损失函数和正则化项组成，公式为： ； 式中，为XGBoost的目标函数，为模型偏差的损失函数，为实际值，为预测值，为数据集中样本总数，为第棵树的正则化项，为树的总数，为基函数； 引入弹性网络正则化ElasticNet，结合L1与L2正则化，则有： ； 式中，为控制树结构的参数，为叶节点数，为第1叶节点权值，为第2叶节点权值，为每棵树叶子节点的分数组成的集合，为L1范数，为L2范数； L1正则化自动筛选爆破参数中的爆心距、最大装药量特征，L2正则化防止模型过拟合； ； 式中，为第步的目标函数值，为前棵树的预测值之和，为回归树的预测值； 利用SSA算法对XGBoost超参数进行迭代优化，包括： 定义XGBoost模型优化的参数，包括迭代次数n_estimators、最大深度max_depth、学习率learning_rate； 设置麻雀搜索算法的参数，包括麻雀数量、最大迭代次数，并定义适应度函数； 模拟觅食过程，更新发现者、追随者、警戒者位置； 发现者位置更新的计算公式为： ； 式中，为第个麻雀在第维中的位置信息，为指数函数，为迭代次数；为随机值，；为最大迭代次数，为预警值，；为一个服从标准正态分布的随机数，是值为1的维矩阵；为安全阈值，； 当时，表示发现者处于安全位置进行搜索； 当时，表示发现者被捕食者发现，需飞向其他安全位置进行搜索。

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山东科技大学;中铁十八局集团有限公司，其通讯地址为：266590 山东省青岛市黄岛区前湾港路579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”。