買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉湖南科技大學申請的專利一種基于改進的非等間距灰色模型的建筑物沉降預測方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN115238977B 。

龍圖騰網通過國家知識產權局官網在2025-08-19發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210823525.X，技術領域涉及：G06Q10/04；該發明授權一種基于改進的非等間距灰色模型的建筑物沉降預測方法是由張東水;李泳興;韓用順;肖艷魯;韋建超;方軍;謝建設計研發完成，并于2022-07-13向國家知識產權局提交的專利申請。

本一種基于改進的非等間距灰色模型的建筑物沉降預測方法在說明書摘要公布了：本發明提供了一種基于改進的非等間距灰色模型的建筑物沉降預測方法，包括以下步驟：步驟一，對累計沉降數據序列進行變換得cotx函數變換沉降數據序列x1 0，對x1 0加權并一階累加得一階累加沉降數據序列；步驟二，利用一階累加沉降數據序列構建cotx函數變換的非等間距GM1,1模型，并計算模型的初始適應度；步驟三，運用粒子群算法得出模型的背景值最優權重參數；步驟四，用步驟三優化后的權重參數建立改進后的cotx函數變換的非等間距GM1,1模型；步驟五，對建筑物累計沉降數據趨勢進行擬合預測，擬合預測結果進行精度檢驗。本發明方法簡單，易于實現，其沉降預測效果好，并且不需要大量的前期沉降數據，節約了沉降監測數據成本。

本發明授權一種基于改進的非等間距灰色模型的建筑物沉降預測方法在權利要求書中公布了：1.一種基于改進的非等間距灰色模型的建筑物沉降預測方法，其特征在于，包括以下步驟： 步驟一：對累計沉降數據序列x0進行變換得cotx函數變換沉降數據序列x1 0，對x1 0加權并一階累加得一階累加沉降數據序列x1 1；累計沉降數據序列x0＝{x0t1,x0t2,…,x0tn}，其中t1，t2…tn為累計沉降數據所對應的數據觀測時間，x0表示建筑物累計沉降數據； 對累計沉降數據序列x0作壓縮變換以滿足cotx函數變換區間： 其中ti＝{t1,t2,…,tn}，N和q為常數，中間變量Y0ti表示ti時刻的壓縮變換；cotx函數變換沉降數據序列x1 0＝{x1 0t1,x1 0t2,…,x1 0tn}＝{cotY0t1,cotY0t2,…,cotY0tn}進行一階累加生成時通過添加時間權Δti＝ti-ti-1,i＝2,3,…,n，得到一階累加沉降數據序列x1 1＝{x1 1t1,x1 1t2,…,x1 1ti,…,x1 1tn}，其中 其中，Δti表示第i次觀測時和第i-1次觀測時的累計沉降數據之間的時間差,當i＝1時Δt1＝1；x1 0表示累計沉降數據x0進行cotx函數變換之后的數據，x1 1表示一階累加沉降數據，x1 1ti表示ti時刻的一階累加沉降數據； 步驟二：利用一階累加沉降數據序列x1 1構建cotx函數變換的非等間距GM1,1模型，并計算模型的初始適應度；初始適應度即cotx函數變換沉降數據序列x1 0和模型擬合序列的平均相對誤差； 步驟三：運用粒子群算法得出cotx函數變換的非等間距GM1,1模型的背景值最優權重參數λ′；粒子群算法中每一個粒子代表一個第i次觀測時的一階累計沉降變換值x1 1ti和第i-1次觀測時的一階累計沉降變換值x1 1ti-1之間的擬合系數，包括： S31、粒子初始化，設置粒子數，隨機化粒子位置λ＝[0,1]和粒子速度vlimit＝[-1,1]，設置最大迭代數，設置個體的初始最佳位置λbest＝0.5和和初始最佳適應度以及群體的初始最佳位置λbest＝0.5和初始最佳適應度 S32、計算每個粒子的適應度； S33、依據計算得到的每個粒子的適應度更新每個粒子的個體最佳位置和粒子群的群體最佳位置； S34、根據新的個體最佳位置和群體最佳位置更新粒子群每個粒子的速度和位置，再判斷每個粒子的速度和位置是否超出粒子位置限制和速度限制，若超出，則令每個粒子的速度和位置等于對應的限制邊界值，所述粒子的速度和位置具體為： vk m+1＝c0vk m+c1rkpbestk-xk m+c2rk′gbestk-xk m xk m+1＝xk m+vk m+1 其中vk m、xk m、vk m+1和xk m+1分別為第m次和第m+1次迭代中第k個粒子的速度和位置，c0∈[0.5,1]為慣性權重因子，c1,c2∈0,4為自我和群體學習因子，rk和rk′為[0,1]之間的隨機數；每個粒子通過第m次迭代的個體最佳位置pbestk和群體最佳位置gbestk更新自己的速度和位置作為第m+1次粒子的初始速度和位置，直到迭代完成，記錄第m次其群體最佳位置gbestk和群體最佳適應度 S35、判斷是否達到最大迭代數，若沒有達到，則轉S32；若達到最大迭代數則輸出群體最佳位置gbestk即最優權重參數λ′； 步驟四：用步驟三優化后的權重參數λ′建立改進后的函數cotx變換的非等間距GM1,1模型； 步驟五：利用步驟四改進后的模型對建筑物累計沉降數據趨勢進行擬合預測，擬合預測結果使用相對誤差和灰色關聯度指標進行精度檢驗，所述擬合預測為： 將cotx函數變換沉降數據序列x1 0代入改進后的cotx函數變換的非等間距GM1,1模型即得擬合預測序列最后進行反余切再通過壓縮公式的還原得到累計沉降數據序列x0的擬合預測值公式中ti＝{t1,t2,…,tn}為累計沉降數據所對應的數據觀測時間，N和q為常數，n為沉降數據的個數； 運用粒子群算法尋找背景值最優權重參數λ′時，設置粒子數、隨機化粒子位置和速度、設置最大迭代數。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人湖南科技大學，其通訊地址為：411201 湖南省湘潭市雨湖區石馬頭湖南科技大學；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。