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！

龙图腾网获悉北京工业大学申请的专利用于测量混凝土抗压强度的深度集成森林回归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：CN111931948B 。

龙图腾网通过国家知识产权局官网在2025-06-06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：202010263130.X，技术领域涉及：G06N20/20；该发明授权用于测量混凝土抗压强度的深度集成森林回归建模方法是由汤健;夏恒;乔俊飞;杜胜利设计研发完成，并于2020-04-07向国家知识产权局提交的专利申请。

本用于测量混凝土抗压强度的深度集成森林回归建模方法在说明书摘要公布了：本发明公开一种用于测量混凝土抗压强度的基于深度集成森林回归的建模方法，包括：通过采用适合工业过程的维数约简策略对原始高维特征进行预处理，获得约简特征向量；然后，以约简特征向量作为输入，训练多个子森林模型，通过KNN近邻法选取若干个子森林的预测值进行组合获得层回归向量，将其与约简特征向量进行组合获得增强层回归向量，进而获得该层的输出；其次，将输入层的增强层回归向量作输入，以获得第2层森林模型的输出，重复依次进行，直到完成第K‑1层森林模型的输出；最后，以第K‑1层的中间层森林模型的输出作为输出层森林模型模块输入，训练多个子森林模型，通过将该层子森林模型的预测输出进行算术平均最终预测结果。

本发明授权用于测量混凝土抗压强度的深度集成森林回归建模方法在权利要求书中公布了：1.一种用于测量混凝土抗压强度的基于深度集成森林回归的建模方法，其特征在于，包括以下步骤：步骤1、采用维数约简模块通过采用适合工业过程的维数约简策略对原始高维特征进行预处理，获得约简特征向量；步骤2、采用输入层森林模型模块以约简特征向量作为输入，训练多个子森林模型，通过KNN近邻法选取若干个子森林的预测值进行组合获得层回归向量，将其与约简特征向量进行组合获得增强层回归向量，进而获得该层的输出；步骤3、采用中间层森林模型模块包含K-2层，其将输入层的增强层回归向量作输入，采用与输入层森林模型模块相同的方式获得第2层森林模型的输出，重复依次进行，直到完成第K-1层森林模型的输出；步骤4、采用输出层森林模型模块以第K-1层的中间层森林模型模块的输出作为输出层森林模型模块的输入，训练多个子森林模型，通过将该层子森林模型的预测输出进行算术平均最终预测结果；步骤1中所述原始高维特征向量，其包括：混凝土含量、高炉矿渣粉含量、粉煤灰含量、水含量、减水剂含量、粗集料含量、细集料含量和混凝土置放天数；输入层森林模型模块的具体处理过程包括以下步骤：步骤21，描述输入层子森林的构建过程采用Bootstrap和RSM对包含混凝土含量、高炉矿渣粉含量、粉煤灰含量、水含量、减水剂含量、粗集料含量、细集料含量和混凝土置放天数八个特征和混凝土抗压强度检测值的训练集D进行随机采样，设输入层森林模型模块中第tth个子森林模型的J个训练子集为以上述J个训练子集构建混凝土抗压强度软测量模型中第tth个子森林中的J个决策树，得到输入层中第tth个子森林模型F1,t·，重复上述步骤T次，即可得到输入层森林模型模块的集合步骤22，描述输入层森林模型模块的增强层回归向量产生过程针对输入层森林模型模块中第tth个子森林模型，每个决策树模型将对混凝土过程测量值样本产生一个混凝土抗压强度预测值然后得到J个混凝土抗压强度预测值组成的预测值向量计算输入层森林模型模块中第tth个子森林模型的预测均值， 通过kNN选取预测均值附近的kkNN个混凝土抗压强度预测值组成第tth个子森林的回归向量重复上述步骤T次，得到输入层森林模型模块中T个子森林模型的层回归向量步骤23，将对混凝土抗压强度8个特征进行维数约简后的约简特征向量xdimred与层回归向量进行串联组合，得到做为输入层森林模型模块输出的增强层回归向量即为混凝土抗压强度软测量模型的中间层森林模型模块的输入；中间层森林模型模块的具体处理过程为：设第kth层森林模型的训练数据集为第k-1层森林模型所输出的增强层回归向量与混凝土抗压强度检测值的组合，其中特征包含：混凝土含量、高炉矿渣粉含量、粉煤灰含量、水含量、减水剂含量、粗集料含量、细集料含量、混凝土置放天数八个特征和层回归向量采用Bootstrap和RSM对包含混凝土含量、高炉矿渣粉含量、粉煤灰含量、水含量、减水剂含量、粗集料含量、细集料含量、混凝土置放天数八个特征、层回归向量和混凝土抗压强度检测值的训练数据集Dk进行样本和特征的随机采样，以第Kth层森林模型中第tth个子森林模型的J个训练子集构建混凝土抗压强度软测量模型中第kth层森林模型中第tth个子森林模型的J个决策树，得到第kth层森林模型中的第tth个子森林模型Fk,t·，重复上述步骤T次，得到第kth层森林模型的集合接着，描述第kth层森林模型的增强层回归向量产生过程，第kth层森林模型中第tth个子森林模型，每个决策树模型对输入产生一个混凝土抗压强度预测值可得到J个混凝土抗压强度预测值组成的预测值向量计算第kth层中第tth个子森林模型的预测均值， 通过kNN选取预测均值附近的kkNN个混凝土抗压强度预测值组成第tth个子森林模型的回归向量重复上述步骤T次，得到T个子森林模型的回归向量，组合后得到第kth层森林模型的层回归向量接着，将对混凝土抗压强度8个特征进行维数约简后的约简特征向量xdimred与层回归向量进行串联组合，得到第kth层森林模型输出的增强层回归向量即为第k+1层森林模型的输入；输出层森林模型模块的具体处理过程为：设第Kth层森林模型的训练数据集为第K-1层森林模型输出的增强层回归向量与混凝土抗压强度检测值的组合，其包含混凝土含量、高炉矿渣粉含量、粉煤灰含量、水含量、减水剂含量、粗集料含量、细集料含量、混凝土置放天数八个特征和层回归向量采用Bootstrap和RSM对包含混凝土含量、高炉矿渣粉含量、粉煤灰含量、水含量、减水剂含量、粗集料含量、细集料含量、混凝土置放天数八个特征、层回归向量和混凝土抗压强度检测值的训练数据集DK进行样本和特征的随机采样，以第Kth层森林模型中第tth个子森林模型的J个训练子集构建第Kth层中第tth个子森林模型的J个决策树，获得第Kth层的第tth个子森林模型FK,t·，重复上述步骤T次，得到第Kth层森林模块的模型第Kth层中第tth个子森林模型，每个决策树模型将产生一个混凝土抗压强度预测值然后得到J个混凝土抗压强度预测值组成的预测值向量计算第Kth层中第tth个子森林模型的预测均值， 重复上述步骤T次，得到T个子森林模型的预测输出集合最后，将T个子森林模型的混凝土抗压强度预测值进行算术平均， 其中，表示DEFR模型最终的混凝土抗压强度预测输出。

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北京工业大学，其通讯地址为：100124 北京市朝阳区平乐园100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”。