买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜中南大学申请的专利一种基于机器学习算法的深部隧道围岩非概率可靠度分析方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119129411B 。

龙图腾网通过国家知识产权局官网在2025-05-06发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411245896.X，技术领域涉及：G06F30/27；该发明授权一种基于机器学习算法的深部隧道围岩非概率可靠度分析方法是由李翔;符瑞嘉设计研发完成，并于2024-09-06向国家知识产权局提交的专利申请。

本一种基于机器学习算法的深部隧道围岩非概率可靠度分析方法在说明书摘要公布了：本发明提供一种基于机器学习算法的深部隧道围岩非概率可靠度分析方法，属于隧道工程技术领域。本发明在现有非概率可靠度分析方法的基础上，引入机器学习算法，通过神经网络代理模型与贝叶斯正则化算法的结合，将隧道围岩状态函数的隐式表达式显式化表示，并定义了神经网络代理模型的可信度，可以定量描述神经网络代理模型的有效性，可以有效解决现有技术中隧道围岩状态函数为隐式函数，无法进行非概率可靠度分析的问题。

本发明授权一种基于机器学习算法的深部隧道围岩非概率可靠度分析方法在权利要求书中公布了：1.一种基于机器学习算法的深部隧道围岩非概率可靠度分析方法，其特征在于，包括如下步骤：步骤S1，基于有限元数值模拟方法，建立隧道围岩的力学分析模型；步骤S2，根据隧道围岩稳定性及压力的影响因素，构建隧道围岩状态函数的隐式表达式与变量空间的集合向量；步骤S3，采用随机数函数，针对变量空间的每一个区间变量生成若干随机数，变量空间内的每个区间变量选择一个随机数组成一组样本，基于有限元数值模拟求得该组样本下隧道围岩最大位移的真实响应值；步骤S4，以多组样本和样本下隧道围岩最大位移的真实响应值构建数据集，将数据集输入神经网络代理模型进行迭代训练，拟合得到隧道围岩状态函数的显式化表示，在拟合过程中，引入贝叶斯正则化拟合算法确保模型具有有效性；步骤S5，根据拟合出的状态函数，采用区间非概率方法求解得到隧道围岩的非概率可靠度指标，基于非概率可靠度指标判定隧道围岩的稳定可靠度；隧道围岩可靠度分析所采用的模型为Hoek-Brown模型，隧道围岩的状态函数Ψ表示为：Ψ＝gχ＝umax-u；式中，χ为变量空间的集合向量，χ＝{γ,E,υ,σci,mi,GSI,D,ψ,σψ}，γ为岩体容重；E为岩体弹性模量；υ为岩体泊松比；σci为单轴抗压强度；mi为完整岩石材料常数；GSI为地质强度参数；D为施工中的技术措施对岩体的扰动因子；ψ、σψ为剪胀参数；umax为隧道围岩允许的最大位移，对于同一岩体同种断面的隧道根据规范取定值；u为隧道围岩最大位移的真实响应值，u＝fχ。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中南大学，其通讯地址为：410083 湖南省长沙市岳麓区麓山南路932号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。