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！

龍圖騰網獲悉山東科技大學申請的專利一種基于神經網絡的巷道錨網索支護參數優化設計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：CN120316885B 。

龍圖騰網通過國家知識產權局官網在2025-08-22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：202510773958.2，技術領域涉及：G06F30/13；該發明授權一種基于神經網絡的巷道錨網索支護參數優化設計方法是由盧國志;王凱璇;仲崇巖;姚秋卉;李鑫;牛金華;王濤設計研發完成，并于2025-06-11向國家知識產權局提交的專利申請。

本一種基于神經網絡的巷道錨網索支護參數優化設計方法在說明書摘要公布了：本發明公開了一種基于神經網絡的巷道錨網索支護參數優化設計方法，屬于采礦工程與人工智能交叉的技術領域，包括如下步驟：采集巷道的相關數據，并對所收集的數據進行預處理；搭建動態自適應BP神經網絡架構，包括引入3個交叉特征的輸入層、采用動態調整策略的隱含層、輸出層；基于動態自適應BP神經網絡架構構建錨索模型和錨桿模型，模型訓練時采用結合圍巖復雜度的動態學習率進行自適應調整；將現場實時采集的5個關鍵影響指標和計算的3個交叉特征輸入訓練完成的錨索模型和錨桿模型，生成預測的錨索參數和錨桿參數，用于現場支護設計。本發明提升了巷道支護參數方案的設計效率，減少人力等資源消耗，降低成本。

本發明授權一種基于神經網絡的巷道錨網索支護參數優化設計方法在權利要求書中公布了：1.一種基于神經網絡的巷道錨網索支護參數優化設計方法，其特征在于，包括如下步驟： 步驟1、采集巷道的相關數據； 所述步驟1中，收集若干條數據作為初始樣本數據，每條數據包含13個字段，其中前5個字段為5個關鍵影響指標，依次為圍巖強度、圍巖完整性、煤層強度、巷道埋深、斷面面積，將5個關鍵影響指標作為錨索模型和錨桿模型的輸入層神經元；第6個-第9個字段為錨索參數，依次為錨索長度、錨索直徑、錨索間距、錨索排距，將錨索參數作為錨索模型的輸出層神經元；第10個-第13個字段為錨桿參數，依次為錨桿長度、錨桿直徑、錨桿間距、錨桿排距，將錨桿參數作為錨桿模型的輸出層神經元； 步驟2、對所收集的數據進行預處理； 步驟3、搭建動態自適應BP神經網絡架構；動態自適應BP神經網絡架構包括輸入層、采用動態調整策略的隱含層、輸出層；具體過程為： 步驟3.1、對傳統BP神經網絡架構的輸入層進行改進，新增了3個交叉特征，并引入了自注意力權重；具體過程為： 步驟3.1.1、在輸入層中新增3個交叉特征，將輸入維度從5擴展至8；3個交叉特征的計算公式為： 2； 式中，、、為3個不同的交叉特征；表示圍巖強度；表示煤層強度；表示圍巖完整性系數；表示巷道埋深；表示斷面面積； 步驟3.1.2、在輸入層引入自注意力權重對輸入的8個特征進行加權，突出核心指標； 3； 4； 式中，為隱含層第個神經元的輸出值；為自注意力權重，表示輸入層第個神經元對應的特征對隱含層第個神經元的重要程度；為隱含層神經元總數；為輸入層第個神經元的輸出值；表示輸入層第個神經元的輸出值；為隱含層第個神經元相關的特征表示；為隱含層第個神經元的偏置；為以e為底的指數函數；為特征對相似度函數； 步驟3.2、對傳統BP神經網絡架構的隱含層進行改進，設計一種分段激活函數，同時為隱含層增加一種動態調整策略； 步驟4、基于錨索參數和錨桿參數分別設計基于動態自適應BP神經網絡架構的錨索模型和錨桿模型； 步驟5、對錨索模型和錨桿模型進行訓練與優化，訓練時采用結合圍巖復雜度的動態學習率進行自適應調整，訓練結束后輸出訓練完成的錨索模型和錨桿模型； 步驟6、將現場實時采集的圍巖強度、圍巖完整性、煤層強度、巷道埋深、斷面面積5個關鍵影響指標和計算的3個交叉特征輸入訓練完成的錨索模型和錨桿模型，生成預測的錨索參數和錨桿參數，用于現場支護設計。

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山東科技大學，其通訊地址為：266590 山東省青島市黃島區前灣港路579號；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”。