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！

龙图腾网获悉中国电建集团北京勘测设计研究院有限公司申请的专利一种基于FDEM和机器学习的隧洞施工期围岩变形损伤主控因素判别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：CN121279118B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202511443804.3，技术领域涉及：G06F30/27；该发明授权一种基于FDEM和机器学习的隧洞施工期围岩变形损伤主控因素判别方法是由朱国金;王可;王环玲;李志山;蒋逵超;张金行;吴亦哲;林易澍;杨利;张慧敏;董丹丹设计研发完成，并于2025-10-10向国家知识产权局提交的专利申请。

本一种基于FDEM和机器学习的隧洞施工期围岩变形损伤主控因素判别方法在说明书摘要公布了：本发明提供一种基于FDEM和机器学习的隧洞施工期围岩变形损伤主控因素判别方法，包括：选取隧洞围岩变形损伤的影响因子，确定用于评价围岩变形损伤的定量化评价指标；建立隧洞施工期的围岩开挖支护FDEM数值模型；基于代理模型进行虚拟数据采样，获得虚拟数据样本；对虚拟数据样本开展全局敏感性分析，从各个影响因子中识别对评价指标敏感的敏感参数，该敏感参数即为识别到的主控因素。本发明能够定量识别影响隧洞施工期围岩变形损伤的主控因素，从而研究制定复杂赋存条件下隧洞施工指导文件和围岩大变形灾害的防控措施，为相关从业人员对隧洞施工期围岩变形损伤防治提供了快速决策手段，研究结果对实际工程具有指导意义。

本发明授权一种基于FDEM和机器学习的隧洞施工期围岩变形损伤主控因素判别方法在权利要求书中公布了：1.一种基于FDEM和机器学习的隧洞施工期围岩变形损伤主控因素判别方法，其特征在于，包括以下步骤： 步骤S1，选取隧洞围岩变形损伤的若干个影响因子，确定用于评价围岩变形损伤的定量化评价指标； 步骤S2，确定隧洞施工期围岩开挖支护工况；根据所述围岩开挖支护工况，建立隧洞施工期的围岩开挖支护FDEM数值模型； 步骤S3，基于围岩开挖支护FDEM数值模型，构建得到数据样本集； 步骤S31，设所述影响因子的数量为个，表示为：；所述评价指标的数量为个，表示为：； 步骤S32，根据所述围岩开挖支护工况，确定每种所述影响因子的抽样空间； 步骤S33，采用抽样策略，在各个所述影响因子的抽样空间中进行抽样形成输入样本集；所述输入样本集中的每个输入样本为维向量，表示为：，分别代表影响因子在各自抽样空间抽样到的数值； 步骤S34，将每个输入样本输入到所述围岩开挖支护FDEM数值模型； 步骤S35，所述围岩开挖支护FDEM数值模型在输入样本的条件下对围岩开挖支护工况进行仿真模拟，输出评价指标的模拟值,其中，分别代表以输入样本为输入时，模拟得到的各评价指标的模拟值；和组合形成一个样本；多个样本形成数据样本集； 步骤S4，将所述数据样本集按比例划分为训练样本集和测试样本集； 步骤S5，构建用于表征各影响因子和评价指标间关系的极限梯度提升预测模型；基于所述训练样本集，采用粒子群优化算法对极限梯度提升预测模型的超参数进行优化，得到优化后的极限梯度提升预测模型； 基于优化后的极限梯度提升预测模型，建立代理模型； 步骤S6，采用所述测试样本集对所述代理模型进行模型性能验证，验证通过后执行步骤S7； 步骤S7，基于所述代理模型进行虚拟数据采样，获得虚拟数据样本；对所述虚拟数据样本开展全局敏感性分析，从各个所述影响因子中识别对所述评价指标敏感的敏感参数，该敏感参数即为识别到的主控因素。

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国电建集团北京勘测设计研究院有限公司，其通讯地址为：100024 北京市朝阳区定福庄西街1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”。

以上内容由龙图腾AI智能生成。