公开(公告)号：CN110619190A

公开(公告)日：2019-12-27

申请号：CN201910946982.6

申请日：2019-10-07

Applicant: 桂林理工大学

Inventor： 张研 ,  吴康丽 ,  苏国韶 ,  曾建斌 ,  曾召田 ,  邝贺伟

IPC: G06F17/50 ,  G06F17/18 ,  G06N20/00

Abstract: 本发明是一种基于GPR的危岩落石运移距离预测方法及装置。该方法及装置可对少量的训练样本进行学习，通过对数似然极大化获得最优的超参数，从而获取危岩落石运移距离的预测结果。研究结果表明：危岩落石运移距离预测的高斯过程回归(Gaussian Process Regression，GPR)机器学习模型是可行的，其预测方法具有预测精度高、适应性强、参数自适应等优点。

公开(公告)号：CN110737938A

公开(公告)日：2020-01-31

申请号：CN201910931359.3

申请日：2019-09-28

Applicant: 桂林理工大学

Inventor： 张研 ,  廖逸夫 ,  曾建斌 ,  吴康丽 ,  邝贺伟

IPC: G06F30/13

Abstract: 本发明公开了一种基于GPR的再生混凝土收缩徐变的预测方法及装置，包括：步骤一，收集再生混凝土收缩徐变数据建立学习样本集；步骤二，对样本数据进行标准化处理，使主要影响因素的数量级在同一级别；步骤三，对标准化处理后的学习样本集进行学习，并选用合适的高斯回归的协方差函数；步骤四，基于确定的协方差方程，采用极大似然法自适应获得最优超参数，建立高斯过程回归模型。当有新的预测样本，即新的影响再生混凝土收缩徐变的主要因素输入时，都可预测所对应的徐变度。

公开(公告)号：CN111242301A

公开(公告)日：2020-06-05

申请号：CN202010153225.6

申请日：2020-03-06

Applicant: 桂林理工大学

Inventor： 张研 ,  王鹏鹏 ,  张树光 ,  吴康丽 ,  吴哲康

IPC: G06N3/08 ,  G06Q10/04

Abstract: 本发明是多相场作用下岩石三轴抗压强度深度学习预测方法及装置，其主要特征是：通过对多相场作用下岩石三轴抗压强度数据样本库进行扫描和识别，并将识别到的数据提取，利用深度学习技术建立学习模型对提取的数据进行学习训练，达到准确预测的效果，最后将预测的结果进行输出。本发明的装置主要包括:感知模块、深度学习处理模块、预测模块、嵌入模块、信息记忆模块、安全防护模块。本发明所述的是多相场作用下岩石三轴抗压强度深度学习预测方法及装置，具有操作简便、运算结果与实际数据拟合程度较高、适用性较好的优点。