公开(公告)号：CN113792897A

公开(公告)日：2021-12-14

申请号：CN202111014322.8

申请日：2021-08-31

Applicant: 苏州大学

Inventor： 王翔 ,  王祎 ,  涂凡 ,  高荣环 ,  缪灵一 ,  王航远 ,  许浩

IPC: G06Q10/02 ,  G06Q10/08 ,  G06Q50/30

Abstract: 本发明实施例公开了一种用于商业区货车临停分时预约管理的方法。该用于商业区货车临停分时预约管理的方法通过车牌号码区分出不同类型的货车后，先用贪婪算法对重型货车停车时间进行优化，找出所有重型停车位的可用停车时段，并根据给定的时间阈值进行相应修正；在修正后的可用停车时段内插入符合条件的中型货车和轻型货车，剩余不符合条件的数据返回初始步骤；重复进行以上步骤，得到最终解决方案。

公开(公告)号：CN113792372A

公开(公告)日：2021-12-14

申请号：CN202111146580.1

申请日：2021-09-28

Applicant: 苏州大学

Inventor： 刘维 ,  赵华菁 ,  管浩 ,  王航远

IPC: G06F30/13 ,  G06F30/27 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于CV‑LSTM组合模型的地连墙变形动态预测方法。选取监测点，采集基坑工程地连墙的变形历史监测数据，整理形成监测表；采用CV‑LSTM组合模型对变形监测数据中的训练样本进行学习，将训练得到的最优模型对测试集样本进行变形预测，得到地连墙变形预测值。将按本发明技术方案得到变形预测值与变形实测值进行对比，计算评价指标，结果显示，本发明提供的CV‑LSTM组合模型相比传统BP神经网络表现出了较高的预测精度，较单独的LSTM深度网络具有更好的泛化能力，适用于地连墙变形的动态预测问题，可为施工现场实现信息化管理提供参考。

公开(公告)号：CN114881205A

公开(公告)日：2022-08-09

申请号：CN202210417075.4

申请日：2022-04-20

Applicant: 苏州大学

Inventor： 管浩 ,  刘维 ,  赵华菁 ,  高荣环 ,  王航远

IPC: G06N3/04 ,  G06N3/08 ,  E21D9/06

Abstract: 本发明公开了一种盾构姿态预测方法、介质、电子设备及系统，该方法包括以下步骤：S1、获取盾构数据；S2、对盾构数据进行预处理，划分训练集和测试集；S3、利用CNN‑Bi LSTM‑Attent ion复合神经网络模型对训练集中的数据进行训练；S4、用训练好的复合神经网络模型对测试集中的数据进行姿态预测，得到盾构姿态。本发明盾构姿态预测方法针对盾构数据具有周期长以及非线性的特点，利用CNN层对输入数据进行特征提取，大大减小了深度学习的时间以及传统神经网络出现过拟合缺点。本发明的复合神经网络模型由于其处理长序列数据的优势，对于盾构姿态预测具有较高的精度。本发明的复合神经网络模型表现出更好的稳定性和更高的预测精度，同时具有更好的泛化能力。