買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉西安建筑科技大學;中鐵北京工程局集團第一工程有限公司;貴陽市公共交通投資運營集團有限公司申請的專利基于Bubble Sort-GWO-ELM模型的邊坡爆破塊度預測方法及應用獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119903652B 。

龍圖騰網通過國家知識產權局官網在2025-08-26發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202411969511.4，技術領域涉及：G06F30/20；該發明授權基于Bubble Sort-GWO-ELM模型的邊坡爆破塊度預測方法及應用是由宋戰平;王文博;鄭滔;成濤;劉小軍;孫澤;李明;張晨旭;張發;楊運;游佳;王貴秋;張策設計研發完成，并于2024-12-30向國家知識產權局提交的專利申請。

本基于Bubble Sort-GWO-ELM模型的邊坡爆破塊度預測方法及應用在說明書摘要公布了：本發明屬于邊坡工程施工領域，針對邊坡施工過程中，不能準確預測邊坡爆破塊度，進而影響施工質量和成本控制的問題，提出了一種基于BubbleSort?GWO?ELM模型的邊坡爆破塊度預測方法，包括監測爆破控制參數；進行數據預處理；構建爆破控制參數數據集；利用冒泡排序結合平方差算法對爆破控制參數進行篩選，選擇出對預測結果影響最大的特征參數；訓練極限學習機ELM模型，并利用改進灰狼優化算法模型參數進行優化并驗證；確定極限學習機ELM模型的最優參數，建立爆破效果預測模型；利用爆破效果預測模型進行預測。本發明能夠通過科學預測和合理控制爆破參數，不僅能提高爆破施工的精確性，還能提升整個工程的經濟性和安全性。

本發明授權基于Bubble Sort-GWO-ELM模型的邊坡爆破塊度預測方法及應用在權利要求書中公布了：1.基于BubbleSort-GWO-ELM模型的邊坡爆破塊度預測方法，其特征在于，包括以下步驟： 步驟1：在施工現場監測爆破控制參數數據； 步驟2：對監測到的爆破控制參數數據進行預處理操作； 步驟3：對預處理后的爆破控制參數數據進行篩選，基于篩選后的爆破控制參數數據構建爆破控制參數數據集，并將爆破控制參數數據集劃分為訓練集和測試集； 所述步驟3的具體步驟包括： 步驟3.1：將監測到的n個爆破控制參數數據定義為一個包含n個元素的數組A，數組A中的每個元素對應一個待篩選排序的數據，數組A中的每個元素包含六類爆破控制參數，分別是抗拉強度、爆破抵抗線、臺階破面角、炸藥單耗、孔距和排距； 步驟3.2：通過冒泡排序算法對數組A中的n個元素進行排序，基于每一輪排序的元素位置，實現對六類爆破控制參數的不同組合； 步驟3.3：根據下式計算不同組合中的每種組合的平方差： 其中，為每種組合中的數據點數量，為監測到的實際值，為數據的均值； 步驟3.4：重復執行步驟3.2和步驟3.3，直至將數組A中的元素升序排列，然后得到每輪冒泡排序過程中的各種組合的平方差； 步驟3.5：通過比較得到的各種組合的平方差，篩選出平方差值最小的組合所對應的爆破控制參數數據； 步驟3.6：基于步驟3.5篩選出的爆破控制參數數據建立爆破控制參數數據集，并將爆破控制參數數據集劃分為訓練集和測試集； 步驟4：將得到的訓練集和測試集進行歸一化處理； 步驟5：基于歸一化后的訓練集，利用改進灰狼優化算法優化極限學習機ELM模型的參數，確定優化后的極限學習機ELM模型的最優參數； 步驟6：以最優參數優化極限學習機ELM模型，在測試集上利用優化后的極限學習機ELM模型進行測試，統計對測試集樣本進行預測的輸出，評估最優參數，并基于最優參數建立爆破效果預測結構模型； 步驟7：利用爆破效果預測模型進行邊坡爆破塊度預測，并輸出預測結果。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人西安建筑科技大學;中鐵北京工程局集團第一工程有限公司;貴陽市公共交通投資運營集團有限公司，其通訊地址為：710055 陜西省西安市碑林區雁塔路13號西安建筑科技大學；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。