申请/专利权人：河海大学

申请日：2023-10-11

公开（公告）日：2024-02-27

公开（公告）号：CN117609714A

主分类号：G06F18/20

分类号：G06F18/20;G01D21/02;G01C5/00;G01B21/02;G01B21/18;G01C9/00;G01C9/02;G01P5/00;G01M13/00;G01M99/00;G06F18/21;G06N3/0499;G06N3/088;G06N3/08;G06Q50/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.15#实质审查的生效;2024.02.27#公开

摘要：本申请公开了一种基于混合模型的齿形丁坝水毁等级评价方法，首先设计并建造齿形丁坝物理模型，开展不同工况下的齿形丁坝水毁试验，获取不同水毁状态下的丁坝变形数据，为定量评估提供数据支持。耦合无监督的KohonenNeuralNetworksKNN算法以及极限学习机算法ExtremeLearningMachine，ELM，学习齿形丁坝不同程度水毁物理模型试验数据，建立快速、准确的齿形丁坝水毁等级评估模型，基于物理模型与机器学习评估模型，利用测量的数据实现对以齿形丁坝为代表的航道整治建筑物进行快速、精确的水毁等级评估。

主权项：1.一种基于混合模型的齿形丁坝水毁等级评价方法，其特征在于：首先设计并建造齿形丁坝物理模型，开展不同工况下的齿形丁坝水毁试验，获取不同水毁状态下的丁坝变形数据，为定量评估提供数据支持；耦合无监督的KohonenNeuralNetworks即KNN算法以及极限学习机算法ExtremeLearningMachine即ELM算法，学习齿形丁坝不同程度水毁物理模型试验数据，建立快速、准确的齿形丁坝水毁等级评估模型；所述基于混合模型的齿形丁坝水毁等级评价方法具体的步骤是：S1、设计并建立齿形丁坝试验模型；S2、开展不同工况下的齿形丁坝水毁试验，测量不同水毁状态下丁坝的关键参数；S3、设计KNN算法与ELM算法耦合的模型结构；S4、训练数据、测试数据和验证数据预处理；S5、训练KNN模型，形成带标签的训练数据；S6、将KNN模型的得到训练数据导入ELM模型中，选定ELM模型的训练工况，包括ELM模型建立所需的激活函数种类以及隐藏节点数训练范围；S7、根据模型训练工况，依次对训练数据进行学习后建立评估模型；S8、利用测试数据测试各训练工况建立的评估模型的准确性，以最高的评估精度的模型作为最终的水毁等级评估模型。

全文数据：

权利要求：

百度查询： 河海大学 一种基于混合模型的齿形丁坝水毁等级评价方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD