基本信息:
- 专利标题： 基于渐进式集成学习的大粒径粗粒土力学特性预测方法
- 申请号：CN202210853672.1 申请日：2022-07-11
- 公开(公告)号：CN115204499B 公开(公告)日：2025-04-25
- 发明人： 张莹 , 张雪东 , 陈元畅 , 李沐阳 , 华云鹏 , 李澳澳 , 周雅诗 , 上官陈媛 , 康傲 , 管王宁
- 申请人： 华北电力大学
- 申请人地址： 北京市昌平区北农路2号
- 专利权人： 华北电力大学
- 当前专利权人： 华北电力大学
- 当前专利权人地址： 北京市昌平区北农路2号
- 代理机构： 北京众合诚成知识产权代理有限公司
- 代理人： 张文宝
- 主分类号： G06F30/27
- IPC分类号： G06F30/27 ; G06N3/0464 ; G06N3/082 ; G06F119/14
摘要：
本发明公开了属于计算机应用技术领域的基于渐进式集成学习的大粒径粗粒土力学特性预测方法。该方法包括以下步骤：步骤1：采集三轴实验的数据，对各粒径粗粒土数据归类、过滤和补全；步骤2：基于步骤1得到的最大粒径归类的数据集，依次训练得到模型组；步骤3：根据步骤2的模型组，结合待预测的粗粒土特征数据，得到其力学特性的预测结果。本发明方法不仅在对最大粒径较小的粗粒土的力学特性预测上有更好的性能，更能对最大粒径更大的粗粒土的力学特性进行预测，并且结果具有良好的准确性、泛化性。
公开/授权文献:
- CN115204499A 基于渐进式集成学习的大粒径粗粒土力学特性预测方法 公开/授权日：2022-10-18
IPC结构图谱:
| G06F30/27 | 使用机器学习，例如人工智能，神经网络，支持向量机 |