-
公开(公告)号：CN114969953B
公开(公告)日：2023-02-03
申请号：CN202210900578.7
申请日：2022-07-28
Applicant: 华中科技大学
IPC: G06F30/13 , G06F30/27 , G06N3/12 , G06N5/00 , G06N20/20 , G06N7/02 , G06F111/04 , G06F111/06
Abstract: 本发明属于盾构施工技术领域，并具体公开了一种基于CatBoost‑NSGA‑Ⅲ的盾构下穿隧道优化设计方法及设备。所述方法包括：确定管片优化设计的敏感因素，建立指标体系，采集盾构掘进过程中的实际监测数据并结合地质勘查，构建样本数据集；利用CatBoost算法进行学习训练，以构建基于CatBoost算法的隧道拱顶沉降、拱底竖向位移、拱底水平位移、拱底沉降量预测模型；将预测模型所得的非线性映射关系函数作为目标优化适应度函数，构建基于CatBoost‑NSGA‑Ⅲ的多目标优化模型，以获取盾构管片参数最优设计。本发明不仅实现了隧道拱顶沉降、拱底竖向位移、拱底水平位移、拱底沉降量的高精度预测，也实现了盾构下穿隧道优化设计的多目标智能优化。
-
公开(公告)号：CN115952590B
公开(公告)日：2023-06-13
申请号：CN202310243415.0
申请日：2023-03-14
Applicant: 华中科技大学
IPC: G06F30/13 , G06F30/27 , G06N20/00 , G06N3/126 , G06N5/01 , G06N7/02 , G06F111/04 , G06F111/06
Abstract: 本发明属于隧道智能算法预测及优化技术领域，并具体公开了一种基于BO‑RF‑MOMPA混合算法的盾构隧道优化设计方法及设备。所述方法包括以下步骤：分析盾构隧道施工阶段引起隧道变形的敏感因素，建立指标体系，采集盾构掘进过程中的实际监测数据并结合地质勘查，构建样本数据集；基于样本数据集，建立基于BO‑RF的地表沉降、管片最大轴向压力、管片最大变形量、成本预测模型并检验；将预测模型所得的非线性映射关系函数作为目标优化适应度函数，构建基于BO‑RF‑MOMPA的多目标优化模型，提出盾构管片参数建议设置范围。本发明实现了对隧道变形的高精度预测，实现了盾构管片参数的优化设计，具有优化的效率和精度高等特点。
-
Patent Agency Ranking
公开(公告)号：CN116050603A
公开(公告)日：2023-05-02
申请号：CN202211738891.1
申请日：2022-12-31
Applicant: 华中科技大学
IPC: G06Q10/04 , G06Q10/0639 , G06Q50/08 , G06F17/18 , G06F30/27 , G06F30/13 , G06F119/02 , G06F111/06
Abstract: 本发明属于隧道变形控制技术领域，并具体公开了一种基于混合智能方法的暗挖隧道变形预测和优化方法及设备。包括：基于小间距暗挖隧道施工参数的监测数据，确定影响参数，进行数据预处理；利用贝叶斯(BO)优化随机森林(RF)预测模型参数，进行超参数优化与影响参数重要性排序，得到预测结果；基于预测得到的优化目标与影响参数间的非线性回归映射关系，建立NSGA‑Ⅲ模型中的目标优化函数，获取Pareto前沿解集，实现小间距暗挖隧道施工的多目标优化。本发明结合BO‑RF‑NSGA‑Ⅲ构建小间距暗挖隧道变形预测和优化控制模型，实现了对地表沉降、隧道拱顶沉降和隧道拱腰沉降的超前预测，为小间距暗挖隧道的施工操作提供依据和指导。
-
公开(公告)号：CN114969953A
公开(公告)日：2022-08-30
申请号：CN202210900578.7
申请日：2022-07-28
Applicant: 华中科技大学
IPC: G06F30/13 , G06F30/27 , G06N3/12 , G06N5/00 , G06N20/20 , G06N7/02 , G06F111/04 , G06F111/06
Abstract: 本发明属于盾构施工技术领域，并具体公开了一种基于CatBoost‑NSGA‑Ⅲ的盾构下穿隧道优化设计方法及设备。所述方法包括：确定管片优化设计的敏感因素，建立指标体系，采集盾构掘进过程中的实际监测数据并结合地质勘查，构建样本数据集；利用CatBoost算法进行学习训练，以构建基于CatBoost算法的隧道拱顶沉降、拱底竖向位移、拱底水平位移、拱底沉降量预测模型；将预测模型所得的非线性映射关系函数作为目标优化适应度函数，构建基于CatBoost‑NSGA‑Ⅲ的多目标优化模型，以获取盾构管片参数最优设计。本发明不仅实现了隧道拱顶沉降、拱底竖向位移、拱底水平位移、拱底沉降量的高精度预测，也实现了盾构下穿隧道优化设计的多目标智能优化。
-
公开(公告)号：CN116776410A
公开(公告)日：2023-09-19
申请号：CN202310166429.7
申请日：2023-02-24
Applicant: 华中科技大学
IPC: G06F30/13 , G06F30/27 , G06F18/214 , G06N3/126 , G06F111/04 , G06F111/06 , G06F111/08 , G06F119/14
Abstract: 本发明属于盾构施工技术领域，并具体公开了一种基于BO‑RF‑NSGA‑Ⅲ的盾构下穿施工桥墩位移优化方法及设备。包括：构建盾构施工参数指标体系，并获取实时监测数据；构建并训练BO‑RF回归模型，根据实时监测数据，采用BO‑RF回归模型对盾构下穿施工引起桥墩竖向位移和水平位移进行预测；构建BO‑RF‑NSGA‑Ⅲ多目标优化模型，将建立的BO‑RF回归函数作为NSGA‑Ⅲ适应度函数，对盾构下穿施工引起桥墩竖向位移和水平位移进行优化；根据得到的Pareto最优解集，通过TOPSIS法确定满足盾构下穿施工引起桥墩竖向位移和水平位移最优的盾构施工参数。本发明可以在不依赖人工操控的情况下减少盾构下穿施工引起桥墩竖向位移和水平位移。
-
公开(公告)号：CN115952590A
公开(公告)日：2023-04-11
申请号：CN202310243415.0
申请日：2023-03-14
Applicant: 华中科技大学
IPC: G06F30/13 , G06F30/27 , G06N20/00 , G06N3/126 , G06N5/01 , G06N7/02 , G06F111/04 , G06F111/06
Abstract: 本发明属于隧道智能算法预测及优化技术领域，并具体公开了一种基于BO‑RF‑MOMPA混合算法的盾构隧道优化设计方法及设备。所述方法包括以下步骤：分析盾构隧道施工阶段引起隧道变形的敏感因素，建立指标体系，采集盾构掘进过程中的实际监测数据并结合地质勘查，构建样本数据集；基于样本数据集，建立基于BO‑RF的地表沉降、管片最大轴向压力、管片最大变形量、成本预测模型并检验；将预测模型所得的非线性映射关系函数作为目标优化适应度函数，构建基于BO‑RF‑MOMPA的多目标优化模型，提出盾构管片参数建议设置范围。本发明实现了对隧道变形的高精度预测，实现了盾构管片参数的优化设计，具有优化的效率和精度高等特点。
-
公开(公告)号：CN117316328A
公开(公告)日：2023-12-29
申请号：CN202311333435.3
申请日：2023-10-16
Applicant: 华中科技大学
IPC: G16C20/30 , G06F18/2113 , G06F18/214
Abstract: 本发明涉及道路工程技术领域，解决了传统经验性预测模型缺乏鲁棒性、与实际情况不符或本构模型复杂、参数较多、推广使用困难等弊端的技术问题，尤其涉及一种沥青混合料流变次数预测方法及其应用，该方法包括以下步骤：S1、从公开文献中获取若干沥青混合料的流变次数和相关影响变量的数据作为数据集；S2、对数据集中的若干流变次数和相关影响变量的数据进行灰色关联度分析。本发明通过神经网络算法和已有文献中的数据建立沥青混合料流变次数预测模型，克服了传统预测模型缺乏鲁棒性、与实际情况不符或本构模型复杂、参数较多、不宜推广使用等弊端，既操作方便，计算速度快，又能精准预测沥青混合料的流变次数，准确性高。
-
-
-
-
-
-
Search Results
7
records
(took 0.028 seconds)
