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！

龍圖騰網恭喜浙江工業大學申請的專利一種基于TSNE-BP神經網絡的基坑水平位移預測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：CN114969932B 。

龍圖騰網通過國家知識產權局官網在2025-05-16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：202210601213.4，技術領域涉及：G06F30/13；該發明授權一種基于TSNE-BP神經網絡的基坑水平位移預測方法是由王小刀;孟凡麗;葉淑悅;卜航東;周航杰;曾東旭;王逸晨設計研發完成，并于2022-05-30向國家知識產權局提交的專利申請。

本一種基于TSNE-BP神經網絡的基坑水平位移預測方法在說明書摘要公布了：一種基于TSNE?BP神經網絡的基坑水平位移預測方法，包括：步驟1：針對實際工程建立有限元設計模型，確定反演參數并設計正交試驗進而獲取訓練樣本數據與實際監測數據；步驟2：讀取訓練樣本數據與實際監測數據，結合TSNE算法構建TSNE?BP神經網絡，確定相關超參數，對高維輸入數據進行降維并訓練網絡；步驟3：將訓練好的優化模型對測試樣本進行土體參數反演，在結果中以損失函數Loss≤0.001的情況下取反演標準誤差最低的一組數據為標準得到反演參數，并將反演參數輸入Midas中進行計算得到基坑水平位移預測值，并計算預測標準誤差及后續工況的預測位移；本發明在避免重大工程事故的發生，有效縮短施工工期方面具有較強的工程意義。

本發明授權一種基于TSNE-BP神經網絡的基坑水平位移預測方法在權利要求書中公布了：1.一種基于TSNE-BP神經網絡的基坑水平位移預測方法，其特征在于包括以下步驟：步驟1：針對實際工程建立有限元設計模型，確定反演參數并設計正交試驗進而獲取訓練樣本數據與實際監測數據；1.1根據基坑工程提供的地勘報告及相關信息運用MidasGTSNX建立相關有限元模型；1.2選取監測點，確定土體反演參數進行正交試驗設計并將所有組合投入Midas計算，得到對應監測點各工況各深度下的位移；1.3選取所需反演的工況，根據基坑模型盡量均勻的從淺到深選取N個深度的計算位移數據與通過滑動式測斜儀自動采集的實際監測數據對比并計算標準誤差，整理形成表格；步驟2：讀取訓練樣本數據與實際監測數據，結合TSNE算法構建TSNE-BP神經網絡，確定相關超參數，對高維輸入數據進行降維并訓練網絡；2.1運用xlrd模塊讀取步驟1完成的監測表，并運用NumPy和PyTorch庫將數據儲存為張量結構，以此得到所需數據集；2.2結合TSNE算法建立TSNE-BP神經網絡，確定網絡結構為輸入層-隱含層1-隱含層2-輸出層；神經網絡輸入層為標準誤差λ，其中i表示第i工況，即N+1維輸入；設置線性層，并在隱含層中加入激活層，以修正線性單元ReLU作為激活函數；同時加入了BN層即批歸一化層，加快收斂速度；采用了L1范數損失函數，來計算預測值和真實值之間的誤差；輸出層輸出各層土體的割線剛度E50及反演標準誤差；所述的TSNE-BP神經網絡的前向傳播公式分別為：設定線性層函數：Linearx＝Ax+B4批歸一化層函數：激活層函數：ReLUx＝max0，x6輸入由線性層傳遞至BN層再到激活層，即x＝self.act1self.bn1self.hidden1x；7接著再傳遞至第二層線性層，批歸一化層和激活層，即x＝self.act2self.bn2self.hidden2x；8其中：A——權重矩陣；B——偏置向量；γ——學習拉伸參數；β——偏移參數； ——輸入數據x的均值；σ——輸入數據x的方差；最后輸出層對數據進行輸出即out＝self.outx；92.3在神經網絡中隨機設定3組樣本為檢驗樣本，其余為訓練樣本；運用TSNE算法對高維輸入數據進行降維，并將其映射于三維空間中，高維的訓練數據便轉換為多個三維空間中的映射點，實測數據同理，觀察其聚類質量；將三維空間中的實測映射點和與其距離最近的5個訓練樣本映射點以權重w，1-w轉換為最終確定的實測映射點，5個映射點所占比例按其與實測映射點的距離進行分配；通過深度學習優化算法對訓練樣本進行學習，并設定相關超參數，超參數包含：訓練輪數，隱含層節點數，學習率，以及權重w，通過超參數的調整，訓練得到TSNE-BP神經網絡模型；對于超參數的調整采用優化算法Adam來更新梯度和超參數，其迭代公式為：μ＝β1μ+1-β1dθ1s＝β2s+1-β2dθ22 θ——待訓練的超參數；η——學習率；dθ——梯度；β1——一階矩衰減系數；β2——二階矩衰減系數；μ——原始梯度指數加權平均數；s——梯度平方的指數加權平均值； ——梯度歸一化公式；步驟3：將訓練好的優化模型對測試樣本進行土體參數反演，在結果中以損失函數Loss≤0.001的情況下取反演標準誤差最低的一組數據為標準得到反演參數，并將反演參數輸入Midas中進行計算得到基坑水平位移預測值，并計算預測標準誤差及后續工況的預測位移。

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浙江工業大學，其通訊地址為：310014 浙江省杭州市拱墅區潮王路18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”。