-
公开(公告)号：CN114169057A
公开(公告)日：2022-03-11
申请号：CN202111518715.2
申请日：2021-12-13
Applicant: 上海市隧道工程轨道交通设计研究院 , 汕头大学
Abstract: 本发明公开了一种地下结构中混凝土氯离子渗透性的确定方法，包括以下步骤：S1：收集再生骨料混凝土组分数据和渗透性指标；S2：将步骤S1收集的数据划分为训练集和测试集；S3：利用自适应神经模糊推理系统建立氯离子渗透性预测模型；S4：将步骤S2中的训练集输入至步骤S3中的氯离子渗透性预测模型，利用基于混沌的萤火虫算法优化调整氯离子渗透性预测模型参数；S5：将步骤S2中的测试集输入至优化后的氯离子渗透性预测模型，测试其氯离子渗透性预测误差，得到训练好的氯离子渗透性预测模型；S6：利用训练好的氯离子渗透性预测模型预测氯离子渗透性。本发明克服了现有方法时间周期长、试验成本高的缺陷，实现对混凝土氯离子渗透性的准确预测。
-
公开(公告)号：CN114254728B
公开(公告)日：2024-08-23
申请号：CN202011030196.0
申请日：2020-09-25
Applicant: 汕头大学
IPC: G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种拟合多尺度数据集的多尺度神经网络方法，包括步骤：针对数据集中的训练集，确定数据样本标签数据的尺度效应系数c；确定神经网络网络结构和多尺度代价函数J；将训练集的输入数据输入神经网络，通过前向计算过程，确定多尺度代价函数值；根据所述多尺度代价函数值，确定神经网络输出层和隐藏层的误差分量；根据误差分量确定神经网络的权重更新梯度，更新权重参数；迭代训练神经网络，直至神经网络的代价函数J小于预设数值χ或达到预定迭代训练次数。采用本发明，通过构造适用于多尺度数据的代价函数，从而确保神经网络能够精准学习数据的多尺度特征，本发明方法简单、实用，便于推广，具有很大的应用价值。
-
公开(公告)号：CN113610337B
公开(公告)日：2024-04-19
申请号：CN202110689668.1
申请日：2021-06-22
Applicant: 中铁建华南建设有限公司 , 汕头大学
IPC: G06Q10/0635 , G06Q50/08
Abstract: 本申请涉及基坑工程技术领域，提供了一种基坑工程风险确定方法、装置、计算机设备和存储介质。本申请通过构建潜在风险因素决策层次图分层次呈现基坑工程中各风险源及其对应的各风险因素，根据各风险评价方对应的勾股模糊数获取各评价方权重，以此分配各评价方的重要程度并综合各评价方的风险评价结果得到群体决策矩阵，进一步结合各风险源的准则权重和以三角模糊数的脆值表示的各风险因素的特征权重获得综合加权矩阵，最后基于综合加权矩阵计算各风险因素的贴近度指数并确定基坑工程的风险，对各风险因素进行有效识别和排序并处理决策过程中的不确定性和模糊性，更客观更贴近工程实际情况，提高基坑工程的风险评估的准确性和可靠性。
-
公开(公告)号：CN113045252B
公开(公告)日：2022-09-02
申请号：CN202110325758.2
申请日：2021-03-26
Applicant: 中铁十六局集团北京轨道交通工程建设有限公司 , 中铁十六局集团有限公司 , 汕头大学
Inventor： 朱小藻 , 刘培路 , 沈水龙 , 谭霁爽 , 张宁 , 周阳宗 , 杨公正 , 阎向林 , 张益柱 , 汪伟 , 曹治博 , 项智博 , 储志坚 , 张龙生 , 熊涛 , 刘永茂
Abstract: 本发明提供一种用于地下连续墙的环保型护壁泥浆及其制备方法，包含以下重量比的组分：膨润土基础浆液、黏土基础浆液、PW植物胶、马铃薯接枝淀粉及聚丙烯酸钠的重量比为(200‑400):(250‑300):4:2.5:5。本发明适用于各类含砂及卵石地层，在传统护壁泥浆基础材料上，以PW植物胶、马铃薯接枝淀粉、聚丙烯酸钠等绿色环保原材料代替了化学添加剂，减少污染，绿色建材确保环保施工，实现可持续性建设的要求。
-
公开(公告)号：CN114169106A
公开(公告)日：2022-03-11
申请号：CN202111518712.9
申请日：2021-12-13
Applicant: 汕头大学
Inventor： 申晓赫 , 皮尔·盖伊·唐·约克 , 张宁 , 沈水龙
Abstract: 本发明提供一种基于改进随机森林模型的评估旋喷桩引起侧向位移的方法，包括以下步骤：S1：收集现场监测数据并对数据进行预处理，划分输入特征数据和输出特征数据；S2：建立随机森林模型，初始化所述随机森林模型的超参数；S3：根据步骤S1得到的输入特征数据和输出特征数据，采用PSO‑SA智能进化算法优化所述随机森林模型的超参数，得到改进的随机森林模型；S4：利用所述改进的随机森林模型，确定侧向位移。本发明利用PSO‑SA与随机森林模型进行杂交得到改进的随机森林模型，通过PSO‑SA确定随机森林模型的最优超参数，提高了随机森林模型的计算效率和评估的准确度，可以快速确定旋喷桩引起的侧向位移。
-
Patent Agency Ranking
公开(公告)号：CN112708213A
公开(公告)日：2021-04-27
申请号：CN202011538422.6
申请日：2020-12-23
Applicant: 汕头大学
Abstract: 本发明涉及盾构隧道管片接缝防水领域，公开了一种用于海底盾构隧道的防水密封垫材料，包括如下重量比的组分：生胶100phr、炭黑40～80phr、碳酸钙15～30phr、300#石蜡油50～90phr、氧化钙10～20phr、硫磺1～4phr、防老剂2～4phr、促进剂3～9phr、纳米氢氧化物30～50phr，对海水具有较高的耐侵蚀性，适用于地下水和海水条件等复杂环境。
-
公开(公告)号：CN114254728A
公开(公告)日：2022-03-29
申请号：CN202011030196.0
申请日：2020-09-25
Applicant: 汕头大学
Abstract: 本发明公开了一种拟合多尺度数据集的多尺度神经网络方法，包括步骤：针对数据集中的训练集，确定数据样本标签数据的尺度效应系数c；确定神经网络网络结构和多尺度代价函数J；将训练集的输入数据输入神经网络，通过前向计算过程，确定多尺度代价函数值；根据所述多尺度代价函数值，确定神经网络输出层和隐藏层的误差分量；根据误差分量确定神经网络的权重更新梯度，更新权重参数；迭代训练神经网络，直至神经网络的代价函数J小于预设数值χ或达到预定迭代训练次数。采用本发明，通过构造适用于多尺度数据的代价函数，从而确保神经网络能够精准学习数据的多尺度特征，本发明方法简单、实用，便于推广，具有很大的应用价值。
-
公开(公告)号：CN112662081A
公开(公告)日：2021-04-16
申请号：CN202011538423.0
申请日：2020-12-23
Applicant: 汕头大学
IPC: C08L23/16 , C08L91/06 , C08K13/02 , C08K3/04 , C08K3/26 , C08K3/22 , C08K5/09 , C08K3/06 , E21D11/38
Abstract: 本发明涉及盾构隧道管片接缝防水领域，具体涉及一种用于海底盾构隧道的防水密封垫材料的制备方法，包括以下步骤：A、制备塑炼生胶；B、制备混合物A；C、制备纳米氢氧化物胶体；D、混炼；E、冷却硫化，获得用于盾构隧道的防水密封垫材料NPE‑EPDM，对海水具有较高的耐侵蚀性，适用于地下水和海水条件等复杂环境。
-
公开(公告)号：CN112255095A
公开(公告)日：2021-01-22
申请号：CN202011020022.6
申请日：2020-09-25
Applicant: 汕头大学
Abstract: 本发明公开了一种基于多尺度长短期记忆深度学习的土体应力应变关系确定方法，包括步骤：制备不同物理力学参数的土体试样；获取不同土体试样的应变数据，建立应力应变的原始数据集；对原始数据集进行归一化处理，得到归一化数据集，确定数据样本标签数据的尺度效应系数c；建立四层LSTM深度学习网络，确定隐藏层节点数量Nh、激活函数和多尺度代价函数J；确定LSTM深度学习网络的初始权值矩阵和向量；将训练集输入LSTM深度学习网络，利用修正Adam动量梯度下降算法更新权值矩阵，并确定代价函数值J；重复迭代直至LSTM深度学习网络的代价函数J小于预设数值χ或达到预定迭代训练次数Iter。本发明具有简单、实用等优点，便于推广，具有很大的应用价值。
-
公开(公告)号：CN112662081B
公开(公告)日：2023-12-12
申请号：CN202011538423.0
申请日：2020-12-23
Applicant: 汕头大学
IPC: C08L23/16 , C08L91/06 , C08K13/02 , C08K3/04 , C08K3/26 , C08K3/22 , C08K5/09 , C08K3/06 , E21D11/38
Abstract: 本发明涉及盾构隧道管片接缝防水领域，具体涉及一种用于海底盾构隧道的防水密封垫材料的制备方法，包括以下步骤：A、制备塑炼生胶；B、制备混合物A；C、制备纳米氢氧化物胶体；D、混炼；E、冷却硫化，获得用于盾构隧道的防水密封垫材料NPE‑EPDM，对海水具有较高的耐侵蚀性，适用于地下水和海水条件等复杂环境。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.054 seconds)
