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！

龙图腾网获悉华中科技大学申请的专利一种基于静力触探的锤击桩承载力预测方法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：CN121835444B 。

龙图腾网通过国家知识产权局官网在2026-05-08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：202610303440.7，技术领域涉及：G06F30/27；该发明授权一种基于静力触探的锤击桩承载力预测方法是由刘续;陈健;于贝扬;骆汉宾设计研发完成，并于2026-03-13向国家知识产权局提交的专利申请。

本一种基于静力触探的锤击桩承载力预测方法在说明书摘要公布了：本发明公开了一种基于静力触探的锤击桩承载力预测方法，包括以下步骤，收集历史已有的锤击桩施工相关数据并进行归一化处理；选用梯度提升决策树模型作为预测模型，将所述锤击桩施工数据输入选定的预测模型，通过采用场地分组交叉验证的方式进行训练，对所述预测模型进行迭代优化，得到预测承载力，使所述预测承载力逐步趋近所述实测承载力，从而得到训练完成的机器学习模型；获取实际锤击桩施工场地施工数据，输入到所述训练完成的机器学习模型，由所述训练完成的机器学习模型实时输出预测承载力。解决现有技术无法利用海量历史数据，实现对新项目桩长的精准、快速反演预测的技术问题，实现桩基设计的智能化、精准化和高效化。

本发明授权一种基于静力触探的锤击桩承载力预测方法在权利要求书中公布了：1.一种基于静力触探的锤击桩承载力预测方法，其特征在于，包括以下步骤： 1收集历史已有的锤击桩施工相关数据，所述锤击桩施工相关数据包括场地的静探数据、桩参数、锤击桩施工数据以及对应的实测承载力；对所述静探数据以及锤击桩施工数据进行归一化处理； 2选用梯度提升决策树模型作为预测模型，将所述锤击桩施工数据输入选定的预测模型，通过采用场地分组交叉验证的方式进行训练，对所述预测模型进行迭代优化，从而得到训练完成的机器学习模型； 3获取实际锤击桩施工场地的静探数据、桩参数以及锤击桩施工数据，经归一化处理后输入到所述训练完成的机器学习模型，由所述训练完成的机器学习模型实时输出预测承载力； 步骤2中，是选用LightGBM作为预测模型得到训练完成的机器学习模型，具体步骤为： T1将所述锤击桩施工相关数据用特征向量表示为：，其中，为静探数据，为桩型、为桩径，为桩长，为每米锤击能E，桩垂直度，i表示第i个样本； T2通过步骤T1中的特征向量计算得到第i个样本的预测承载力，具体计算公式为：； 其中，表示特征向量的第个弱评估器；表示直方图优化分类回归树集合；表示弱评估器总数； T3根据步骤T2得到的第i个样本的预测承载力，构建LightGBM模型的整体目标函数如下： ； 其中，表示损失项，用于量化预测承载力与实测承载力的偏差；表示平方损失函数，满足：；表示正则化项，用于约束基于直方图的分类回归树的复杂度，满足： ； 其中，T表示叶节点数，表示第j个叶节点的输出权重；为设定的叶节点数量惩罚系数；、均表示设定的正则化系数； T4对所述LightGBM模型的整体目标函数采用贪心迭代策略，第t次迭代时新增一棵最优直方图分类回归树，使目标函数最小化，则第t次迭代的预测承载力表示为： ； 其中，为第t1次迭代的预测承载力； T5将所述第t次迭代的预测承载力带入LightGBM模型的整体目标函数，得到第t次迭代的目标函数；对所述第t次迭代的目标函数进行二阶泰勒展开并求导后，得到简化后的LightGBM模型的整体目标函数： ； ； 其中，表示目标函数的一阶导数；；表示目标函数的二阶导数；令，，则最优叶节点权重： ； 将代入目标函数，得到第t次迭代优化后的LightGBM模型的整体目标函数,即为训练完成的机器学习模型； 。

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华中科技大学，其通讯地址为：430074 湖北省武汉市珞喻路1037号；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。