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！

龍圖騰網恭喜北京工業大學;北京市道路工程質量監督站(北京市公路工程質量檢測中心);北京建筑大學申請的專利一種基于時序卷積網絡的道路基層應變分析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：CN114048835B 。

龍圖騰網通過國家知識產權局官網在2025-06-17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：202110877658.0，技術領域涉及：G06N3/0464；該發明授權一種基于時序卷積網絡的道路基層應變分析方法是由薛忠軍;宋波;王佳妮;趙世博;吳雨晗;徐子金;劉卓;侯越設計研發完成，并于2021-08-01向國家知識產權局提交的專利申請。

本一種基于時序卷積網絡的道路基層應變分析方法在說明書摘要公布了：本發明公開了一種基于時序卷積網絡的道路基層應變分析方法，本發明先對自動化道路監測系統獲取的長期監測數據進行原始數據預處理，在此基礎上采用皮爾遜相關性分析，以達到輸入數據降維的目的，從而提升模型的預測精度，最后挑選出合適時間段的數據一起輸入到時序卷積網絡模型進行訓練，學習監測數據特征，針對每個時間段之間并不連續的問題，采用權重自遷移的訓練方式，使得歷史信息特征在下一時間端內相對更加明顯，更易被模型學習，有助于提高模型的記憶能力，減少過擬合。此外，本發明不僅可以節約人工和時間成本，還可以為后續的道路養護工作奠定基礎。

本發明授權一種基于時序卷積網絡的道路基層應變分析方法在權利要求書中公布了：1.一種基于時序卷積網絡的道路基層應變分析方法，其特征在于：利用自動化道路監測系統獲取路面歷史監測數據，結合深度學習方法進行關鍵數據預測，具體步驟如下： 步驟一：原始監測數據預處理； 首先，將各種傳感器獲取的道路監測數據進行整合； 其次，根據道路監測系統獲取數據的時間跨度，選取時間段的數據之后進行刪除數據重復值和躍變值，并將缺失值補充完畢，以防監測數據訓練效果不佳； 最后，將所有時序數據的數據點之間的時間間隔統一為1小時； 步驟二：特征相關性分析； 第一步，將處理過后每個傳感器獲取的前三個數據點進行相關性分析，根據皮爾遜相關性系數衡量特征之間的相關性；第二步，將土層應變與其他特征的相關性很小的去除； 步驟三：數據集制作； 對瀝青應變、滲透壓、土壤水分和基層三向應變的所有監測數據點進行取平均值，則溫度按照溫度傳感器的埋設位置，將劃分為面層、基層和土基三部分進行取平均值；最終把監測數據集按照訓練集和測試集比例為8：2進行劃分； 步驟四：時序卷積網絡基層應變預測； 時序卷積網絡由13層一維卷積層構成；一維卷積層的卷積核尺寸均為2，卷積層個數分別為64，膨脹因子為1、2、4、8、16和32；每層均使用ReLU激活函數，后接一個SpatialDropout1D層，衰減率設置為0.05；將預處理和降維后的數據集作為時序卷積網絡的輸入，時間步長設為8； 使用Adam方法對模型參數進行優化，Adam保持過去的梯度的第二階矩無中心方差的估計值vt在指數衰減的趨勢；它也有一個指數衰減趨勢，即梯度的第一階矩均值mt，并在誤差面有一個平坦的最小值的偏好；然后，梯度的第一階矩均值和第二階矩無中心方差的估計值mt和vt相應計算如下: mt＝β1mt-1+1-β1gt2 其中mt和vt分別是梯度的第一階矩均值和第二階矩無中心方差的估計值；該Adam方法保持多維數據隨機梯度下降保持單一的學習率，更新時序卷積網絡中的所有權重； 由于mt和vt初始化為0的向量，它們偏向于0，這些偏向計算為： 然后使用t并更新參數為： β1為0.9，β2為0.999，∈為10-8；每個epoch是神經網絡訓練一次遍歷整個數據集的全過程，包括向前和向后；隨著迭代次數的增加，損失值在不斷下降，訓練100代后，所使用的時序卷積網絡的預測值與實測值進行擬合。

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北京工業大學;北京市道路工程質量監督站(北京市公路工程質量檢測中心);北京建筑大學，其通訊地址為：100124 北京市朝陽區平樂園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”。