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！

龙图腾网获悉中铁十四局集团大盾构工程有限公司;中铁十四局集团有限公司申请的专利基于盾构掘进数据特征分析与参数关联性的建模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：CN121615233B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202610141475.5，技术领域涉及：G06F30/13；该发明授权基于盾构掘进数据特征分析与参数关联性的建模方法是由刘颂玉;连鑫;王华伟;刘四进;王军;史庆涛;谭帅;李超;李庆民;付浩;何小辉;刘一帆;张康涛;王胜利设计研发完成，并于2026-02-02向国家知识产权局提交的专利申请。

本基于盾构掘进数据特征分析与参数关联性的建模方法在说明书摘要公布了：本发明公开了一种基于盾构掘进数据特征分析与参数关联性的建模方法，涉及隧道工程数据处理领域。该方法包括：获取盾构掘进时序参数，通过状态清洗与坐标域变换，将非均匀的时间序列重采样为空间对齐的标准化进尺域序列；利用混杂变量剔除与滞后相关分析，剥离环境共因干扰并识别参数间的物理响应延迟，构建时滞有向关联图模型；将进尺域序列与图模型输入图神经网络，利用时滞补偿聚合机制进行特征学习，基于预测梯度输出带符号的关键参数影响度集合。本发明解决了因推进速度波动导致的数据时空错位问题，以及因物理响应滞后导致的参数关联性误判问题，实现了对盾构掘进关键参数的准确辨识与解释。

本发明授权基于盾构掘进数据特征分析与参数关联性的建模方法在权利要求书中公布了：1.一种基于盾构掘进数据特征分析与参数关联性的建模方法，其特征在于，包括： 获取盾构掘进过程中的多源盾构掘进时序参数，对其进行状态清洗与坐标域变换，构建标准化进尺域序列； 基于标准化进尺域序列，利用混杂变量剔除与滞后相关分析，识别各参数间的因果时滞与耦合强度，构建时滞有向关联图模型； 将标准化进尺域序列与时滞有向关联图模型输入图神经网络模型，利用图神经网络模型中的时滞补偿聚合机制进行特征学习，得到各参数对应的时滞补偿特征向量； 基于时滞补偿特征向量对掘进性能指标进行回归预测，根据预测过程中的梯度信息与边权重贡献，得到关键参数影响度集合； 其中，利用混杂变量剔除与滞后相关分析，识别各参数间的因果时滞与耦合强度，构建时滞有向关联图模型，包括：基于标准化进尺域序列，在进尺滞后窗口内计算各参数对之间的最大互相关系数，确定各参数对的初始响应时滞；引入混杂变量集合，构建回归模型剔除混杂变量集合对标准化进尺域序列的共性影响，得到各参数对应的纯净残差序列；基于初始响应时滞，计算各参数对应的纯净残差序列之间的滞后相关性，将满足因果显著性检验的参数对及对应的初始响应时滞，映射为图模型的有向边与边属性，得到时滞有向关联图模型；其中，最大互相关系数以及滞后相关性对应各参数间的耦合强度； 其中，计算各参数对应的纯净残差序列之间的滞后相关性，将满足因果显著性检验的参数对及对应的初始响应时滞，映射为图模型的有向边与边属性，包括：将标准化进尺域序列划分为多个重叠的进尺滑动窗口，在每一个进尺滑动窗口内，分别计算各参数对应的纯净残差序列之间的局部滞后相关系数；统计局部滞后相关系数在所有进尺滑动窗口内的符号方向一致性比例，得到参数关联稳定性评分；仅保留参数关联稳定性评分超过置信度阈值的参数对，建立从原因参数指向结果参数的有向边，将参数关联稳定性评分与初始响应时滞共同作为有向边的边属性，生成时滞有向关联图模型； 其中，图神经网络模型包含至少一层时滞补偿图卷积层；利用图神经网络模型中的时滞补偿聚合机制进行特征学习，得到各参数对应的时滞补偿特征向量，包括：针对时滞有向关联图模型中的每一个目标参数节点，检索其所有的邻居节点以及对应的有向边属性中的初始响应时滞；对每一个邻居节点对应的标准化进尺域序列，在进尺维度上执行基于初始响应时滞的平移操作，使邻居节点的特征序列在物理因果上与目标参数节点对齐；利用图卷积核对平移对齐后的邻居节点序列与目标参数节点序列进行加权聚合，生成目标参数节点对应的时滞补偿特征向量。

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铁十四局集团大盾构工程有限公司;中铁十四局集团有限公司，其通讯地址为：210000 江苏省南京市浦口区江浦街道新浦路120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。