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！

龍圖騰網恭喜大連理工大學申請的專利一種基于長期歷史氣象數據的橋梁溫度梯度代表值估計方法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：CN115130176B 。

龍圖騰網通過國家知識產權局官網在2025-05-06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：202210678109.5，技術領域涉及：G06F30/13；該發明授權一種基于長期歷史氣象數據的橋梁溫度梯度代表值估計方法是由楊東輝;管澤鑫;伊廷華;李宏男設計研發完成，并于2022-06-16向國家知識產權局提交的專利申請。

本一種基于長期歷史氣象數據的橋梁溫度梯度代表值估計方法在說明書摘要公布了：一種基于長期歷史氣象數據的橋梁溫度梯度代表值估計方法，步驟如下：構建基于聚類方法的12種氣象參數與結構溫度梯度數據的局部化訓練數據樣本集合；建立基于神經網絡模型的結構溫度梯度監測指標與氣象參數相關模型；基于長期歷史氣象數據的溫度梯度數據樣本擴充；基于擴充后結構梯度溫度數據的橋梁結構溫度梯度代表值估計。該方法有效擴展結構溫度梯度的數據長度，解決結構溫度監測數據樣本不足，難以合理推算50年以上重現期溫度作用代表值的問題。該方法充分利用現有監測數據，使得各種氣象情況均能被有效訓練，提高了訓練、預測和泛化精度。該方法適用于不同地域各類型橋梁結構的溫度梯度代表值估計，具有廣泛的適用性和較大的工程應用潛力。

本發明授權一種基于長期歷史氣象數據的橋梁溫度梯度代表值估計方法在權利要求書中公布了：1.一種基于長期歷史氣象數據的橋梁溫度梯度代表值估計方法，其特征在于，步驟如下：步驟1.構建基于兩階段聚類方法的12種氣象參數與結構溫度梯度數據的局部化訓練數據樣本集合1.1氣象參數數據樣本構建；氣象參數包括直接獲得的參數和推導獲得的參數，直接獲得的參數：氣溫AT、氣壓AP、濕度AH、風速WS、云量CF、日總太陽輻射SR和是否下雨Rain；推導獲得的參數：日最高溫度Tdmax、日最低溫度Tdmin、日最大溫差ATDd、與前一天的最大溫差ATDP和日照時長SD；其中數據精度均為1h，有效日照時長的計算公式如下： 其中，δ是赤緯角；是緯度角；ω是太陽時角；d是一年內的第d天；hSD是有效日照時長；t是當地太陽時，單位是小時；CFi為第i小時的云量監測值，反映了天空被云遮蔽的程度，取值為0～10的整數；1.2溫度梯度樣本構建；當多個監測點時，結構相鄰監測點之間的差形成一個溫度梯度向量，兩個相鄰監測點間的結構溫差由以下公式給出：STDHI＝TH-TI其中，STDHI為兩個監測點H與I之間的溫差；TH、TI分別為測點H和I的溫度；1.3基于兩階段聚類方法的氣象參數局部化訓練數據樣本構建；將12類氣象參數作為輸入，溫度梯度向量作為輸出，通過神經網絡建立上述氣象參數輸入與溫度梯度輸出之間的關系模型；根據兩階段聚類方法將12類氣象參數和結構溫度梯度向量形成的數據集合劃分訓練集和測試集，選取12類氣象參數中的Tdmax、Tdmin、ATDd、日總太陽輻射、是否下雨5類氣象參數作為聚類指標；定義N天中上述5類氣象參數形成的樣本集合為X＝{x1,x2,...,xN}，其中每天的數據對象中x中有n1個連續型氣象參數變量，n2個分類型氣象參數變量；通過對上述氣象參數樣本集合進行聚類，形成j個氣象參數聚類簇構成的集合，Cj＝{c1,c2,…ci,…cj}；其中，任意簇ci和簇cj之間的距離定義為：Dci,cj＝λi+λj-λ{i,j}其中，{i,j}代表氣象參數簇ci和簇cj合并后形成的氣象參數樣本集合；λi通過下列公式進行計算： 其中，Ni是氣象參數簇ci中的樣本數；是氣象參數形成的樣本集合X中所有數據點估計出的第k個連續型氣象參數變量的估計方差；是根據氣象參數簇i中數據點估計出的第k個連續型氣象參數變量的估計方差；L為第p個分類型氣象參數變量的類別數；Nipl是氣象參數簇ci中屬于第p個分類型氣象參數變量的第l類的樣本數；此外，λi和λ{i,j}的計算方式與λi相同；該方法分為兩步，第一步是基于貝葉斯信息準則初步確定氣象參數簇數的粗略估計值，即當隨著氣象參數簇數的增加，BIC的下降幅度顯著減小時，確定初步的簇數；聚類簇Cj＝{c1,c2,…ci,…cj}的BIC的計算公式為： 其中，N為氣象參數聚類X中包含的樣本總數；在第二步中，以第一步得到的預聚類結果Cj＝{c1,c2,…ci,…cj}為對象，選取其中距離最小的兩個聚類簇進行合并，形成新的聚類簇集合Cj-1；最小距離的計算公式為：dminCj＝min{Dcm,cn:m≠n,m∈1～j,n∈1～j}然后，以相鄰合并的最小距離之比作為指標來確定最終的聚類數，相鄰合并的最小距離之比公式為：以此類推，依次計算合并后相鄰聚類簇集合的最小距離比；當rS＝max{rs:s≥2}時，確定對應的簇號s為最優氣象參數簇號；第二步基于最大的比例通常發生在最后兩個氣象數據集群合并時；以每次合并時距離的比值變化作為判定標準，確定最佳簇數；合并從第一步得到的粗估計氣象數據簇開始，在距離比值變化最大時得到氣象參數簇數的精估計，從而確定氣象參數聚類數據集；根據兩階段聚類法得到氣象參數聚類數據集后，分別在每個氣象參數聚類數據集中隨機取80％的氣象參數和溫度梯度數據作為訓練集，20％的氣象參數和溫度梯度數據作為測試集，用于氣象參數與溫度梯度建模；步驟2.建立基于神經網絡的結構溫度梯度監測指標與氣象參數模型；步驟3.基于長期歷史氣象數據的溫度梯度數據樣本擴充；步驟4.基于擴充后結構溫度梯度數據的橋梁結構溫度梯度代表值估計。

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大連理工大學，其通訊地址為：116024 遼寧省大連市甘井子區凌工路2號；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”。