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！

龙图腾网获悉中国地质大学(武汉);中国地质调查局武汉地质调查中心(中南地质科技创新中心)申请的专利一种耦合水动力数值模型的隧洞或矿井涌水时空预测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：CN121834626B 。

龙图腾网通过国家知识产权局官网在2026-05-12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：202610290587.7，技术领域涉及：G06F18/2433；该发明授权一种耦合水动力数值模型的隧洞或矿井涌水时空预测方法是由成建梅;胡明航;罗一鸣;史婷婷;王宁涛;汪丙国;郑坤设计研发完成，并于2026-03-11向国家知识产权局提交的专利申请。

本一种耦合水动力数值模型的隧洞或矿井涌水时空预测方法在说明书摘要公布了：本发明公开了一种耦合水动力数值模型的隧洞或矿井涌水时空预测方法和系统，方法包括：基于经识别验证的地下水数值模型输出多源数据，补全实测数据缺失，量化断层与正常地层渗透特性差异并耦合至数据体系，并入隧洞或矿井开挖空间数据。构建LSTM‑孤立森林‑K近邻回归耦合模型，配置多功能模块实现多场景数据共同训练。将预处理的多元时序数据划分训练集与测试集，通过耦合模型提取隐藏特征，融合异常检测结果，同步训练残差修正模型，依据多工程预测误差反馈自适应优化超参数与权重。基于训练好的耦合模型，采用窗口滚动策略开展同步涌水时空预测，结合残差修正，输出满足工程精度的预测数据。为工程施工安全防控提供了可靠技术支撑。

本发明授权一种耦合水动力数值模型的隧洞或矿井涌水时空预测方法在权利要求书中公布了：1.一种耦合水动力数值模型的隧洞或矿井涌水时空预测方法，其特征在于，包括： S1.基于经识别验证的地下水动力数值模型，输出隧洞或矿井涌水相关预测数据、地下水环境数据及地质体渗透特性数据，采用数值模型预测数据补全实际监测数据的缺失或不足部分，通过差异分析方法量化断层与正常地层的渗透特性差异并耦合至数据体系； S2.采用包括长短期时间记忆神经网络LSTM、孤立森林iForest、K近邻回归在内的方法构建耦合模型，同时配置特征提取、滚动预测、数据扩展、标签统计、离群点检测及残差修正模块，各模块通过预设接口完成数据交互与训练； S3.将预处理后的多元时序训练数据按时间顺序划分为训练集与测试集，输入至构建的耦合机器学习模型中，先训练LSTM模型并提取隐藏时序特征，再分别训练三种异常检测模型并通过加权融合策略整合学习结果，同步训练残差修正模型；根据多条隧洞或矿井的涌水预测误差反馈，自适应调整各模块的超参数及残差修正权重，完成模型训练过程的动态优化； S4.通过滚动预测模块的窗口滚动策略，利用优化后的耦合机器学习模型对多条隧洞或矿井进行同步涌水时空动态预测，输出不同时间步、不同隧洞或矿井断面的涌水量预测结果；结合离群点检测模块识别预测过程中的异常数据，通过残差修正模块对预测结果进行实时修正，最终输出满足工程精度要求的隧洞或矿井涌水量时空动态预测数据； 所述S3中自适应调整各模块的超参数的过程为： 首先构建多目标误差评估函数，基于多条隧洞或矿井的预测结果与实测数据，计算均方根误差和平均绝对百分比误差，构建综合误差指标，其中表示第条隧洞或矿井，和为误差指标的固有权重，由数据分布特征与工程精度需求自然确定，，，，为第条隧洞或矿井的预测时间步数，为第条隧洞或矿井第时间步的实测涌水量，为对应时间步的模型预测涌水量； 定义模型超参数集合，其中为LSTM模型的超参数向量，包含隐藏层神经元数量、迭代次数、学习率、下降速率、正则化参数；为孤立森林模型的超参数向量，包含决策树数量、样本采样量、变异系数；为K近邻回归模型的超参数向量，包含近邻样本数K、欧氏距离度量方式； 定义残差修正权重向量，为隧洞或矿井总数量，为第条隧洞或矿井对应的残差修正权重，满足； 以所有隧洞或矿井的综合误差均值最小化为目标函数，即，采用网格搜索法对模型的超参数进行优化；该网格搜索法通过穷举遍历预设超参数空间内的全部参数组合，对每一组参数组合逐一验证并计算对应的综合误差均值，最终选取使综合误差均值达到最小值的最优超参数组合，完成模型超参数的全局优化。

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地质大学(武汉);中国地质调查局武汉地质调查中心(中南地质科技创新中心)，其通讯地址为：430000 湖北省武汉市洪山区鲁磨路388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。