1. 您所在位置：
  2. 网站首页
  3. 专利分类
  4. 物理
发明

基于支持向量回归的边坡爆破效果预测模型及其建立方法2024

2024-04-16 07:21:19 发布于四川 4
  • 申请专利号：CN202311818369.9
  • 公开（公告）日：2024-10-08
  • 公开（公告）号：CN117875356A
  • 申请人：中国路桥工程有限责任公司|||西安建筑科技大学
摘要：本发明公开了基于支持向量回归的边坡爆破效果预测模型及其建立方法，属于边坡爆破施工技术领域，包括步骤S1.选择工程输入参数；步骤S2.初始化工程参数和鸟巢；步骤S3.寻找最优鸟巢位置；步骤S4.更新鸟巢位置；步骤S5.判断新鸟巢适应度值与上一代适应度值，进行迭代；步骤S6.以随机步长改变其他鸟巢位置，进行迭代；步骤S7.根据最优鸟巢位置，比较是否到达设置迭代次数；步骤S8.根据最优参数结果建立爆破效果预测模型；本模型利用CS规则的信息提取能力，提取并融合数据中的证据信息获取融合信度矩阵，输入经搜索优化的SVR模型，能有效提高输出估算结果和估算精度，具有估算精度高、鲁棒性好和预测效果好的特点。

专利内容

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 117875357 A (43)申请公布日 2024.04.12 (21)申请号 202311826094.3 (22)申请日 2023.12.27 (71)申请人 北京国科础智科技有限公司 地址 100084 北京市海淀区上地信息路26 号01层0112室 (72)发明人 刁化尧　刘书明　 (74)专利代理机构 北京华夏泰和知识产权代理 有限公司 11662 专利代理师 邓菊香 (51)Int.Cl. G06N 3/04 (2023.01) G06N 3/08 (2023.01) 权利要求书3页 说明书12页 附图2页 (54)发明名称 测试深度学习算法的方法、装置、存储介质 和电子设备 (57)摘要 本发明涉及一种测试深度学习算法的方法、 装置、存储介质和电子设备，包括：获取待测试深 度学习算法和对应的测试数据集；构建各候选测 试算法对应的候选测试参数初始值序列并赋值， 依据赋值的候选测试算法运行待测试深度学习 算法和对应的测试数据集，得到测试结果；获取 每一测试结果的适应度值，选取适应度值大于适 应度阈值的种子测试算法；基于种子测试算法进 行变异及遗传，并赋值至对应的候选测试算法， 基于进行变异及遗传的种子测试算法，执行依据 赋值的候选测试算法运行的步骤，直至测试结果 A 满足预先设置的选取条件；选取排序前n位的适 7 应度值对应的种子测试算法及对应的测试参数 5 3 5 值，分别对深度学习算法进

最新专利

相关专利