买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中铁十六局集团第一工程有限公司申请的专利隧道壁面裂缝与瓦斯逸出关联分析的机器学习系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121352072B 。

龙图腾网通过国家知识产权局官网在2026-04-28发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511669507.0，技术领域涉及：G06N20/00；该发明授权隧道壁面裂缝与瓦斯逸出关联分析的机器学习系统是由金星;刘晓龙;鲁盼;张强;刘旭;褚人猛;李楠;殷兴华;朱懿;陈阳军设计研发完成，并于2025-11-14向国家知识产权局提交的专利申请。

本隧道壁面裂缝与瓦斯逸出关联分析的机器学习系统在说明书摘要公布了：本发明公开了隧道壁面裂缝与瓦斯逸出关联分析的机器学习系统，涉及隧道工程技术领域，该隧道壁面裂缝与瓦斯逸出关联分析的机器学习系统，通过多模态数据采集实现裂缝与瓦斯信息的高精度同步获取，4K视频与冗余传感提高数据可靠性；协同处理模块通过深度学习与概率模型，能够提升裂缝识别的准确率，从而对瓦斯预测误差进行控制；动态关联引擎通过时空对齐与因果推断，突破传统独立分析局限，使裂缝与瓦斯关联分析响应速度提升，风险传导模型量化潜在危险，为预警提供科学依据；智能决策模块的四级风险机制与联动响应，实现从预警到处置的闭环管理，较传统人工决策效率有所提升，大幅降低隧道安全事故风险。

本发明授权隧道壁面裂缝与瓦斯逸出关联分析的机器学习系统在权利要求书中公布了：1.隧道壁面裂缝与瓦斯逸出关联分析的机器学习系统，其特征在于，包括： 多模态数据采集模块包括同步部署于隧道壁面的高清视频采集单元、分布式瓦斯传感单元和数据传输网络； 协同处理模块包括基于深度学习的裂缝特征提取子模块和基于概率图模型的瓦斯逸出预测子模块； 所述裂缝特征提取子模块执行： 采用级联深度学习架构： 第一阶段：YOLOv7模型定位裂缝区域，骨干网络为CSPDarknet，输入尺寸1280×720； 第二阶段：双分支U-Net++模型，分支一采用空洞卷积金字塔提取微观特征，分支二通过3D卷积分析裂缝深度演化趋势； 模型训练采用迁移学习策略：在ImageNet预训练基础上，使用自适应困难样本挖掘优化损失函数； 所述瓦斯逸出预测子模块包括： a数据预处理单元：采用Kalman滤波融合多传感器数据，通过温度-气压补偿算法消除环境干扰； b概率预测单元：构建层次化贝叶斯网络，父节点包含地质应力参数、通风强度、历史瓦斯涌出量，子节点输出瓦斯逸出速率的概率密度函数； 动态关联引擎用于将隧道壁面的裂缝形态学特征与瓦斯逸出动态参数进行时空对齐，通过因果推断与概率计算建立风险传导模型； 所述动态关联引擎实现： a时空对齐单元：通过滑动时间窗，长度T=5min，步长Δt=10s，匹配裂缝特征提取子模块中的裂缝特征向量与瓦斯浓度梯度； b关联建模单元：采用以下任一或组合方法： 基于转移熵的因果发现：计算裂缝参数→瓦斯逸出的信息流强度 ； 随机森林-夏普利值分析：量化裂缝宽度、密度等特征对瓦斯逸出的贡献度； 所述风险传导模型： 建立裂缝状态空间与瓦斯逸出概率的映射关系： ； 其中C为裂缝特征矩阵，包含： 等效渗透率: ； 为裂缝宽度，为瓦斯动力粘滞系数，裂缝面粗糙度修正因子，监测区域总面积，为裂缝总长度，为裂缝连通性系数； 危险指数： ； 为动态损伤项，ρ为裂缝面密度，dldt为裂缝长度扩展速率，为扩展敏感系数，为应力状态权重，为力学失稳项，为裂缝面向应力，为岩体抗压强度，为裂缝走向与最大主应力夹角； 智能决策模块：输出基于关联分析的风险矩阵，联动隧道控制系统执行分级响应策略。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中铁十六局集团第一工程有限公司，其通讯地址为：101316 北京市顺义区南法信镇顺畅大道1号B-013室；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。