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！

龍圖騰網恭喜廣西大學申請的專利一種基于自適應序列蒙特卡羅的建筑結構貝葉斯系統識別及模型選擇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：CN117473629B 。

龍圖騰網通過國家知識產權局官網在2025-05-13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：202311640896.5，技術領域涉及：G06F30/13；該發明授權一種基于自適應序列蒙特卡羅的建筑結構貝葉斯系統識別及模型選擇方法是由陽佳樺;劉雯月;安永輝;林向暉設計研發完成，并于2023-12-04向國家知識產權局提交的專利申請。

本一種基于自適應序列蒙特卡羅的建筑結構貝葉斯系統識別及模型選擇方法在說明書摘要公布了：本發明屬于建筑結構防災減災技術領域，公開了一種基于自適應序列蒙特卡羅的建筑結構貝葉斯系統識別及模型選擇方法。本發明的方法以統一的方式解決建筑結構貝葉斯系統識別和模型類選擇問題，提出的模型類證據值的新公式可高效計算傳統方法無法計算的高維積分，這些公式能夠分別量化模型類的數據擬合度和信息增益以選擇最優模型類，在保證模型精確度的同時不致過于復雜。本發明可高效解決真實復雜建筑結構的貝葉斯系統識別和模型類選擇的問題，以進行不同荷載下結構行為的精準預測，為后期建筑結構防災減災提供精確模型及理論支撐。

本發明授權一種基于自適應序列蒙特卡羅的建筑結構貝葉斯系統識別及模型選擇方法在權利要求書中公布了：1.一種基于自適應序列蒙特卡羅的建筑結構貝葉斯系統識別及模型選擇方法，其特征在于，將貝葉斯系統識別和貝葉斯模型類選擇統一集成到自適應序列蒙特卡羅方法中，識別建筑結構的剛度參數，選擇建筑結構最優模型類；具體通過對建筑結構剛度參數的后驗概率密度采樣來實現，采樣結束后即可得到建筑結構最優模型類及精確結構模型；提出多層級自適應采樣方法，取連接每個層級的橋接概率密度函數pi為： 式中，ci為正規化常數；Jθ為量化實驗與預測模態參數間的誤差，其具體表達式在等式1中給出；為橋接概率密度函數的方差參數；多層級自適應采樣方法步驟如下：步驟一、初始化令采樣層級數i＝1；設置橋接概率密度函數的方差參數通過隨機取樣獲得建筑結構剛度參數θ中的一個樣本，將該樣本代入等式1，求得Jθ，令其中，Jθ表達式如下： 式中，和分別為實驗得到的第m個模態的自然頻率和振型；ωmθ和??mθ分別為模型預測的第m個模態的自然頻率和振型；Nm為可用的實驗模態數量；設置每層生成的樣本數量Ns；使用MH算法對建筑結構剛度參數樣本進行抽樣，設置抽樣概率密度函數為均勻分布，目標概率密度函數為第一層橋接概率密度函數p1；MH算法為每個樣本分配相等的權重，即步驟二、更新下一個層級i＝i+1橋接概率密度函數pi的方差參數通過最小化等式2，獲得 其中，ESS為有效樣本數量，用于量化生成的樣本是否同等重要；α是ESS折減系數，取為0.99；為正規化權重，滿足通過等式4，計算得到： 式中，是在樣本處的權重增量；步驟三、在當前層級i取樣，使用基于MH算法的馬爾可夫鏈蒙特卡羅核；對于j＝1至Ns，1從上一層樣本中抽一個樣本：其中，代表樣本的狄拉克測度；2從以為中心的正態分布中選取候選樣本X:其中，代表均值為協方差矩陣為Ci-1的正態分布概率密度函數，Ci-1是用估算的樣本協方差矩陣；3X有的概率被接受，即X有1-r的概率被拒絕而采用前一個樣本，即其中q·為采樣概率密度函數，具體形式為以前一層級各樣本為均值，樣本協方差矩陣為其協方差矩陣的混合高斯分布；步驟四、檢查終止準則如果則進行步驟五；否則返回步驟二；步驟五、基于核密度估計，利用最終層級的樣本估算建筑結構剛度參數的后驗概率密度函數： 其中，實驗數據集包括實驗自然頻率和振型NL為最終層的樣本數量；是用最終層的NL個樣本估算的經驗協方差矩陣；步驟六、選擇最優模型類基于產生的建筑結構剛度參數樣本，提出選擇最優建筑結構模型類的新方法，即在給定相同測量數據的情況下，計算多個候選建筑結構模型種類的證據值，在這些候選建筑結構模型種類中選擇具有最大證據值的模型類即最優建筑結構模型類；其中數據擬合度反映建筑結構模型重現實驗數據的精確性，信息增益反映建筑結構模型提取信息的模型復雜程度，通過獨立量化這兩個物理量，保證了建筑結構模型結構足夠精確的同時又不至于太復雜導致過大的計算量及不確定性；用等式6～8，分別計算每個模型類的數據擬合度、信息增益和模型類證據值： 式中，Mk指模型類；lnpθ|Mk與樣本無關，是一個常數。

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廣西大學，其通訊地址為：530004 廣西壯族自治區南寧市西鄉塘區大學東路100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”。