買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉貴州大學(xué)申請(qǐng)的專利一種礦山地表沉降形變預(yù)測(cè)方法、裝置、設(shè)備及介質(zhì)獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN119415903B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-02發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202510031859.7，技術(shù)領(lǐng)域涉及：G06F18/20；該發(fā)明授權(quán)一種礦山地表沉降形變預(yù)測(cè)方法、裝置、設(shè)備及介質(zhì)是由趙洪根;楊光宇;唐國(guó)誠(chéng);常瑞恒;饒傑;陳昕然;鄭肆久;孔令杰;劉翰林設(shè)計(jì)研發(fā)完成，并于2025-01-09向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種礦山地表沉降形變預(yù)測(cè)方法、裝置、設(shè)備及介質(zhì)在說(shuō)明書摘要公布了：本申請(qǐng)公開了一種礦山地表沉降形變預(yù)測(cè)方法、裝置、設(shè)備及介質(zhì)，涉及礦山地表沉降形變預(yù)測(cè)領(lǐng)域，該方法包括：獲取采礦區(qū)歷史時(shí)間段的監(jiān)測(cè)數(shù)據(jù)；根據(jù)歷史時(shí)間段的監(jiān)測(cè)數(shù)據(jù)計(jì)算歷史時(shí)間段的相對(duì)位移數(shù)據(jù)；利用最佳降噪算法，對(duì)歷史時(shí)間段的相對(duì)位移數(shù)據(jù)進(jìn)行處理，得到歷史時(shí)間段的降噪數(shù)據(jù)；最佳降噪算法為L(zhǎng)2正則化方法；將歷史時(shí)間段的降噪數(shù)據(jù)輸入至最佳預(yù)測(cè)模型中，得到未來(lái)時(shí)間段的地表沉降形變預(yù)測(cè)數(shù)據(jù)；最佳預(yù)測(cè)模型為基于粒子群優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，本申請(qǐng)?zhí)岣吡说乇沓两敌巫冾A(yù)測(cè)的效率和精度。

本發(fā)明授權(quán)一種礦山地表沉降形變預(yù)測(cè)方法、裝置、設(shè)備及介質(zhì)在權(quán)利要求書中公布了：1.一種礦山地表沉降形變預(yù)測(cè)方法，其特征在于，所述礦山地表沉降形變預(yù)測(cè)方法包括： 獲取采礦區(qū)歷史時(shí)間段的監(jiān)測(cè)數(shù)據(jù)； 根據(jù)所述歷史時(shí)間段的監(jiān)測(cè)數(shù)據(jù)計(jì)算歷史時(shí)間段的相對(duì)位移數(shù)據(jù)；相對(duì)位移數(shù)據(jù)為南北向、東西向或垂直向的相對(duì)位移； 分別利用L2正則化方法、小波算法和奇異譜分析方法，對(duì)相對(duì)位移數(shù)據(jù)進(jìn)行處理，得到第一降噪數(shù)據(jù)、第二降噪數(shù)據(jù)和第三降噪數(shù)據(jù)； 將目標(biāo)降噪數(shù)據(jù)分別輸入基于粒子群優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型、長(zhǎng)短期記憶算法和差分整合移動(dòng)平均自回歸模型，得到所述目標(biāo)降噪數(shù)據(jù)對(duì)應(yīng)的第四預(yù)測(cè)數(shù)據(jù)、第五預(yù)測(cè)數(shù)據(jù)和第六預(yù)測(cè)數(shù)據(jù)；所述目標(biāo)降噪數(shù)據(jù)為第一降噪數(shù)據(jù)、第二降噪數(shù)據(jù)或第三降噪數(shù)據(jù)； 將目標(biāo)降噪數(shù)據(jù)的標(biāo)簽數(shù)據(jù)分別與所述目標(biāo)降噪數(shù)據(jù)對(duì)應(yīng)的第四預(yù)測(cè)數(shù)據(jù)、第五預(yù)測(cè)數(shù)據(jù)和第六預(yù)測(cè)數(shù)據(jù)進(jìn)行均方根誤差和平均絕對(duì)誤差計(jì)算，得到所述目標(biāo)降噪數(shù)據(jù)對(duì)應(yīng)的第四誤差計(jì)算結(jié)果、第五誤差計(jì)算結(jié)果和第六誤差計(jì)算結(jié)果； 根據(jù)所有所述目標(biāo)降噪數(shù)據(jù)對(duì)應(yīng)的第四誤差計(jì)算結(jié)果、第五誤差計(jì)算結(jié)果和第六誤差計(jì)算結(jié)果確定最終組合預(yù)測(cè)模型；最終組合預(yù)測(cè)模型由最佳降噪算法和最佳預(yù)測(cè)模型組合得到；降噪算法包括L2正則化方法、小波算法和奇異譜分析方法；預(yù)測(cè)模型包括基于粒子群優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型、長(zhǎng)短期記憶算法和差分整合移動(dòng)平均自回歸模型； 利用最佳降噪算法，對(duì)歷史時(shí)間段的相對(duì)位移數(shù)據(jù)進(jìn)行處理，得到歷史時(shí)間段的降噪數(shù)據(jù)；最佳降噪算法為L(zhǎng)2正則化方法；最佳降噪算法為L(zhǎng)2正則化方法； 將歷史時(shí)間段的降噪數(shù)據(jù)輸入至最佳預(yù)測(cè)模型中，得到未來(lái)時(shí)間段的地表沉降形變預(yù)測(cè)數(shù)據(jù)；所述最佳預(yù)測(cè)模型為基于粒子群優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型； 所述礦山地表沉降形變預(yù)測(cè)方法還包括： 將相對(duì)位移數(shù)據(jù)分別輸入基于粒子群優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型、長(zhǎng)短期記憶算法和差分整合移動(dòng)平均自回歸模型，得到第一預(yù)測(cè)數(shù)據(jù)、第二預(yù)測(cè)數(shù)據(jù)和第三預(yù)測(cè)數(shù)據(jù)； 將相對(duì)位移數(shù)據(jù)的標(biāo)簽數(shù)據(jù)分別與第一預(yù)測(cè)數(shù)據(jù)、第二預(yù)測(cè)數(shù)據(jù)和第三預(yù)測(cè)數(shù)據(jù)進(jìn)行均方根誤差和平均絕對(duì)誤差計(jì)算，得到第一誤差計(jì)算結(jié)果、第二誤差計(jì)算結(jié)果和第三誤差計(jì)算結(jié)果； 根據(jù)第一誤差計(jì)算結(jié)果、第二誤差計(jì)算結(jié)果和第三誤差計(jì)算結(jié)果確定最佳預(yù)測(cè)模型；具體包括：將值最小的誤差計(jì)算結(jié)果對(duì)應(yīng)的預(yù)測(cè)模型作為最佳預(yù)測(cè)模型； 根據(jù)所述最佳預(yù)測(cè)模型確定最佳訓(xùn)練集和最佳預(yù)測(cè)集；歷史時(shí)間段的時(shí)間與最佳訓(xùn)練集中相對(duì)位移數(shù)據(jù)的時(shí)間相同；未來(lái)時(shí)間段的時(shí)間與最佳預(yù)測(cè)集中地表沉降形變預(yù)測(cè)數(shù)據(jù)的時(shí)間相同。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人貴州大學(xué)，其通訊地址為：550025 貴州省貴陽(yáng)市花溪區(qū)貴州大學(xué)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。