(19)中华 人民共和国 国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111464943.6 (22)申请日 2021.12.0 3 (65)同一申请的已公布的文献号 申请公布号 CN 113868967 A (43)申请公布日 2021.12.31 (73)专利权人 中铁第一勘察设计院集团有限公 司 地址 710043 陕西省西安市雁塔区西影路2 号 (72)发明人 王立新　马恩临　汪珂　李储军　 (74)专利代理 机构 西安唐知 知识产权代理事务 所(普通合伙) 61284 代理人 奇敏　马睿 (51)Int.Cl. G06F 30/27(2020.01) G06F 30/13(2020.01) G06F 119/14(2020.01)(56)对比文件 CN 111414586 A,2020.07.14 CN 111091420 A,2020.0 5.01 CN 111753467 A,2020.10.09 CN 112216354 A,2021.01.12 CN 106529145 A,2017.0 3.22 WO 2021026 545 A1,2021.02.1 1 Joachim Piprek 等.Connecting numerical simulati on and mac hine learn ing: How to bridge the g ap betwe en theory and reality?. 《2020 I nternati onal Conference on Numerical Simulati on of Optoelectro nic Devices (NUSOD)》 .2020, 王语等.基于成矿条件数值模拟和支持向量 机算法的深部成矿预测― ―以粤北凡口铅锌矿 为例. 《大地构造与成矿学》 .2020,(第02期), 审查员 姚培 (54)发明名称 结构监测数据预测方法、 装置及存 储介质 (57)摘要 本发明涉及一种结构监测数据预测方法、 装 置及存储介质。 在地下工程施工期 的力‑变形预 测中， 受限于岩土介质的复杂性， 力学方法虽能 定性反应结构力 ‑变形的演变规律， 但是在定量 计算方面存在较大偏差。 本发明的结构监测数据 预测方法， 包括： 获取目标结构的监测数据； 根据 所述监测数据对力学预测结果进行修正； 利用机 器学习算法， 以所述监测数据为训练数据， 得到 数据驱动预测结果； 采用所述力学预测结果修正 所述数据驱动预测结果。 本发明有效解决了现有 技术预测方法在定量计算方面存在较大偏差的 技术问题， 得到更加智能、 准确的预测结果。 权利要求书2页 说明书6页 附图3页 CN 113868967 B 2022.04.12 CN 113868967 B 1.结构监测数据预测方法， 其特 征在于： 所述方法包括： 获取目标 结构的监测数据； 根据所述 监测数据对力学 预测结果进行修 正； 利用机器学习算法， 以所述 监测数据为训练数据， 得到数据驱动预测结果； 采用所述力学 预测结果 修正所述数据驱动预测结果， 包括： 设当前已经 过了n个力学 预测结果， 若n≤10时， 有以下公式： 式中： Ti代表对第i个数据驱动预测结果的修 正量； Pt代表在当前时刻t， 力学 预测结果的可信度； di代表力学预测结果与数据驱动预测结果的差值； Δi代表了力学 预测结果与数据驱动预测结果在时间上的差值； a为相关系数， 介于 0.5与2之间； f(Pt， Δi， di， a)的一种具体可 行方式为： Pt的具体计算公式如下： t=1时， Pt=p， p为初始可信度， 为0.5； t＞1时， 有： 其中， σr为力学预测结果的绝对累计误差， σd为数据驱动预测结果在力学预测结果处的 绝对累计误差， 正相关函数为f(x)=x2; 负相关函数为f(x)=1/x2； 或者， 设当前已经过了n个力学预测结果， 若n＞10时， 将修正后的力学预测结果、 力学 预测结果对应的时刻、 以及ti‑δ～ti+δ范围内的数据驱动预测数据 作为一组输入 参数， 将ti‑δ～ti+δ范围内的监测数据 作为一组输出参数， 进行机器学习训练， 实 现输入参数与输出参数的映射。 2.根据权利要求1所述的方法， 其特 征在于： 在所述的获取目标结构的监测数据之前， 所述方法还包括： 通过数值模拟、 模型试验得 到力学预测结果。 3.根据权利要求2所述的方法， 其特 征在于： 所述的根据所述 监测数据对力学 预测结果进行修 正包括： 将施工阶段转换为与之对应的时间， 即该阶段完成时的时刻， 设当前时刻为t， 1～t时权　利　要　求　书 1/2 页 2 CN 113868967 B 2刻的监测数据为X1:t； 对于对应时刻小于等于t的力学 预测结果， 直接 令其为监测数据的实测值； 对于对应时刻大于t的力学 预测结果， 逐点计算 修正。 4.根据权利要求3所述的方法， 其特 征在于： 所述的对于对应时刻大于t的力学 预测结果， 逐点计算 修正包括： 设力学预测结果总数为n， 当前位于t时刻之前的结果数为a， 1～t时刻的力学预测结果 为R1、 R2、 R3、…、 Ra， 则对于t时刻之后的力学 预测结果Ri， 其修正值R′i为： 。 5.根据权利要求 4所述的方法， 其特 征在于： 所述的利用机器学习算法， 以所述 监测数据为训练数据， 得到数据驱动预测结果包括： 设当前时刻为t， 1～t时刻的监测数据 为X1:t， 设定预测步长为q， 利用机器学习算法， 以 X1:t为训练数据， 得到t+1～ t+q时刻的数据驱动预测结果。 6.结构监测数据预测装置， 其特 征在于： 所述装置用于 完成权利要求1 ‑5任一项所述的方法， 包括： 获取模块， 用于获取目标 结构的监测数据； 第一修正模块， 用于根据所述 监测数据对力学 预测结果进行修 正； 训练模块， 利用机器学习算法， 以所述 监测数据为训练数据， 得到数据驱动预测结果； 第二修正模块： 用于采用所述力学 预测结果 修正所述数据驱动预测结果。 7.结构监测数据预测存 储介质， 其特 征在于： 所述存储介质包括存储的程序， 程序被处理器执行时实现如权利要求1 ‑5任一项所述 的方法。权　利　要　求　书 2/2 页 3 CN 113868967 B 3