-
公开(公告)号：CN118536660A
公开(公告)日：2024-08-23
申请号：CN202410622076.1
申请日：2024-05-20
Applicant: 西南交通大学 , 中国国家铁路集团有限公司
IPC: G06Q10/04 , G06F30/13 , G06F30/27 , G06N3/0442 , G06N3/048 , G06N3/084 , G06F17/16 , G06F17/18 , G06F18/214
Abstract: 本发明公开了一种基于Bayes‑Bi‑GRU模型的隧道施工期围岩变形预测方法，包括以下步骤：获取拱顶沉降与周边收敛数据；数据预处理；划分数据集；使用pytorch框架搭建Bi‑GRU拱部沉降与周边收敛预测模型；Hyperopt贝叶斯调参模块搭建参数优化模型，并设置Bayes优化参数以及搜索空间；优化Bi‑GRU模型；加载训练完成的Bi‑GRU拱顶沉降与周边收敛预测模型，对测试集数据进行预测；对步骤七中得到的预测数据进行反归一化，得到累计变形预测值y。本发明提出的利用Bayes‑Bi‑GRU模型预测公路隧道施工期围岩变形建模简单，精确度较好，满足工程要求，可为隧道设计及施工提供理论支撑，有着广阔的应用场景。
-
公开(公告)号：CN113268852B
公开(公告)日：2022-02-22
申请号：CN202110399437.7
申请日：2021-04-14
Applicant: 西南交通大学
Abstract: 本发明公开了一种基于蒙特卡洛模拟的地震滑坡概率危险性分析方法，通过对目标场地潜在的所有震源(断层、面源等)进行蒙特卡洛模拟，得到更符合真实的数十年、数百年的地震分布(即M、R分布)，更加直观量化地震情景；同时利用地震动参数间的相关性模型，模拟同一个地震场景中某一场地有相关性特征的地震动强度参数，该组地震动参数能够更加真实的反应地震动参数在某一场地实际发生情况；最终，可以获得场地不同滑坡风险(高风险、中风险和低风险)发生的概率，能够给予抗震设计者或政府风险管理者充分分析判断的资料。
-
公开(公告)号：CN113496099B
公开(公告)日：2022-05-06
申请号：CN202110366037.6
申请日：2021-04-06
Applicant: 西南交通大学
IPC: G06F30/27 , G06N3/08 , G06F16/2458 , G06Q50/26
Abstract: 本发明属于边坡位移预测技术领域，公开了一种基于深度学习的边坡永久位移预测模型训练方法，包括：获取地震动数据，根据地震动数据构建数据库；根据地震动数据中的地震特征参数，计算得到地震动强度参数，并存放至数据库中的对应位置；根据地震动数据对应场地的土体参数、边坡几何参数和环境参数，计算得到边坡临界加速度，并存放至数据库中的对应位置；根据地震动数据的加速度时程，计算得到Newmark法地震作用下边坡永久位移，并存放至数据库中的对应位置；构建深度学习模型，通过数据库训练深度学习模型，得到调参后的深度学习模型，作为边坡永久位移预测模型。本发明对边坡永久位移的预测准确度高，有利于判断边坡因地震导致滑坡的潜在风险。
-
公开(公告)号：CN119124341A
公开(公告)日：2024-12-13
申请号：CN202411261405.0
申请日：2024-09-10
Applicant: 西南交通大学
Abstract: 本发明公开了一种隧道掘进机卡机监测方法，涉及全断面硬岩隧道掘进机技术领域，其技术方案要点是：包括在护盾内表面和主梁外表面分别安装振动传感器，在TBM控制室安装工控机，再根据在护盾和主梁处采集的振动信号数据，通过分析数据的时域、频域特征以及皮尔逊系数和频谱系数的相关性说明两个部位的振动信号相似性，据此判断TBM的掘进状态和卡机位置，实现减少TBM卡机风险的目标。
-
公开(公告)号：CN119295261A
公开(公告)日：2025-01-10
申请号：CN202411306075.2
申请日：2024-09-19
Applicant: 西南交通大学
IPC: G06Q50/08 , G06Q10/0637
Abstract: 本发明公开了一种基于多源融合数据的TBM隧道支护智能决策方法，涉及隧道建设技术领域，其技术方案要点是：该方法广泛选取地勘数据、岩体信息、TBM掘进数据等多种同支护情况与围岩情况密切相关的影响因素，基于现场实际施做的支护参数，深度融合多种算法，从而实现TBM隧道支护参数智能决策，提升TBM隧道智能化水平。
-
Patent Agency Ranking
公开(公告)号：CN110361780B
公开(公告)日：2021-01-12
申请号：CN201910681336.1
申请日：2019-07-26
Applicant: 西南交通大学
IPC: G01V1/28
Abstract: 本发明属于地震波信息处理技术领域，公开了一种基于条件均值输入能量谱的地震波选择方法，建立设定地震下的条件均值输入能谱：计算设定地震下平均输入能谱；建立输入能相关关系模型；确定自振周期T*所对应的标准方差倍数参数ε(T*)；计算其他周期下的地震输入能谱值，建立设定地震下的条件均值输入能谱；选择地震波：确定设定地震的数据，选出数据库中满足条件的记录；确定输入能谱标准方差倍数参数ε(T*)的设定范围；对地震波进行调幅；按均方差值对地震波进行排序，选出前列的地震波。本发明能够很好的反应地震动幅值、频谱和持时的三要素，尤其是地震动持时对结构非弹性反应中产生的累积破坏得到了充分的考虑。
-
公开(公告)号：CN119323071A
公开(公告)日：2025-01-17
申请号：CN202411314394.8
申请日：2024-09-20
Applicant: 西南交通大学
IPC: G06F30/13 , G06F30/23 , G06F30/27 , G06N3/0442 , G06N3/0464 , G06N3/045 , G06N3/08 , G06F17/11 , G06F111/10 , G06F119/14
Abstract: 本发明公开了一种基于力学响应预测的TBM隧道支护参数优化方法，涉及隧道建设技术领域，其技术方案要点是：该方法通过建立不同围岩状态与支护参数组合下的有限元计算模型，生成大量力学响应样本，同时收集现场实测数据进行补充和修正，利用深度学习算法建立围岩‑支护映射关系模型，根据具体围岩条件与支护响应的关系，智能化地选择符合安全性要求的最优支护参数组合，从而实现支护设计的精准优化。
-
公开(公告)号：CN113496099A
公开(公告)日：2021-10-12
申请号：CN202110366037.6
申请日：2021-04-06
Applicant: 西南交通大学
IPC: G06F30/27 , G06N3/08 , G06F16/2458 , G06Q50/26
Abstract: 本发明属于边坡位移预测技术领域，公开了一种基于深度学习的边坡永久位移预测模型训练方法，包括：获取地震动数据，根据地震动数据构建数据库；根据地震动数据中的地震特征参数，计算得到地震动强度参数，并存放至数据库中的对应位置；根据地震动数据对应场地的土体参数、边坡几何参数和环境参数，计算得到边坡临界加速度，并存放至数据库中的对应位置；根据地震动数据的加速度时程，计算得到Newmark法地震作用下边坡永久位移，并存放至数据库中的对应位置；构建深度学习模型，通过数据库训练深度学习模型，得到调参后的深度学习模型，作为边坡永久位移预测模型。本发明对边坡永久位移的预测准确度高，有利于判断边坡因地震导致滑坡的潜在风险。
-
公开(公告)号：CN113268852A
公开(公告)日：2021-08-17
申请号：CN202110399437.7
申请日：2021-04-14
Applicant: 西南交通大学
Abstract: 本发明公开了一种基于蒙特卡洛模拟的地震滑坡概率危险性分析方法，通过对目标场地潜在的所有震源(断层、面源等)进行蒙特卡洛模拟，得到更符合真实的数十年、数百年的地震分布(即M、R分布)，更加直观量化地震情景；同时利用地震动参数间的相关性模型，模拟同一个地震场景中某一场地有相关性特征的地震动强度参数，该组地震动参数能够更加真实的反应地震动参数在某一场地实际发生情况；最终，可以获得场地不同滑坡风险(高风险、中风险和低风险)发生的概率，能够给予抗震设计者或政府风险管理者充分分析判断的资料。
-
公开(公告)号：CN110361780A
公开(公告)日：2019-10-22
申请号：CN201910681336.1
申请日：2019-07-26
Applicant: 西南交通大学
IPC: G01V1/28
Abstract: 本发明属于地震波信息处理技术领域，公开了一种基于条件均值输入能量谱的地震波选择方法，建立设定地震下的条件均值输入能谱：计算设定地震下平均输入能谱；建立输入能相关关系模型；确定自振周期T*所对应的标准方差倍数参数ε(T*)；计算其他周期下的地震输入能谱值，建立设定地震下的条件均值输入能谱；选择地震波：确定设定地震的数据，选出数据库中满足条件的记录；确定输入能谱标准方差倍数参数ε(T*)的设定范围；对地震波进行调幅；按均方差值对地震波进行排序，选出前列的地震波。本发明能够很好的反应地震动幅值、频谱和持时的三要素，尤其是地震动持时对结构非弹性反应中产生的累积破坏得到了充分的考虑。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.031 seconds)
