基本信息:
- 专利标题： 基于LSTM深度学习的岩石时效变形预测方法及其系统
- 申请号：CN202010754069.9 申请日：2020-07-30
- 公开(公告)号：CN111859814B 公开(公告)日：2023-07-28
- 发明人： 宁宇 , 徐伟 , 徐卫亚 , 朱国金 , 孟庆祥 , 杨小龙 , 黄青富
- 申请人： 中国电建集团昆明勘测设计研究院有限公司 , 河海大学
- 申请人地址： 云南省昆明市人民东路115号办公楼;
- 专利权人： 中国电建集团昆明勘测设计研究院有限公司,河海大学
- 当前专利权人： 中国电建集团昆明勘测设计研究院有限公司,河海大学
- 当前专利权人地址： 云南省昆明市人民东路115号办公楼;
- 代理机构： 昆明盛鼎宏图知识产权代理事务所
- 代理人： 许竞雄
- 主分类号： G06F30/27
- IPC分类号： G06F30/27 ; G06F16/215 ; G06F16/2458 ; G06N3/0442
摘要：
本申请公开了一种基于LSTM深度学习的岩石时效变形预测方法及其系统，包括以下步骤：步骤S100：获取岩石时效变形的已有数据；步骤S200：清洗已有数据后，进行数据集划分，得到训练集、验证集、测试集；步骤S300：建立时序网络预测模型；步骤S400：在时序网络预测训练模型中输入验证集和测试集，进行测试，得到测试结果，根据测试结果优化模型，提升优化模型的训练速度，并进行超参数调试，得到岩石时效变形预测模型；步骤S500：在岩石时效变形预测模型中输入实测参数，得到岩石时效变形预测结果。通过对室内岩石流变试验等已有数据进行处理，进而实现对岩石时效变形结果的有效、准确预测。
公开/授权文献:
- CN111859814A 基于LSTM深度学习的岩石时效变形预测方法及其系统 公开/授权日：2020-10-30
IPC结构图谱:
| G06F30/27 | 使用机器学习，例如人工智能，神经网络，支持向量机 |