公开(公告)号：CN118486408A

公开(公告)日：2024-08-13

申请号：CN202410704522.3

申请日：2024-06-03

Applicant: 华中科技大学

Inventor： 阮滨 ,  胡耀东 ,  黄浩 ,  李俊成

IPC: G16C60/00 ,  G06F30/27 ,  G06F30/23 ,  G06T17/20 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/084 ,  G06N3/048 ,  G06F119/14 ,  G06F111/04 ,  G06F111/10

Abstract: 本发明提供了一种泡沫混凝土力学性能预测模型优化方法，建立泡沫混凝土的三维细观有限元模型，接着选择材料参数和外部加载条件参数进行规律性分析，将影响因素较高的参数作为深度学习输入变量。然后，采用结合卷积神经网络(CNN)、门控循环单元(GRU)和注意力机制(Attention)的组合神经网络作为预测模型，通过可靠的数值模型分析得到数据样本，并基于CNN‑GRU‑Attention实现对泡沫混凝土力学性能的准确预测。最后，根据深度学习模型设定泡沫混凝土抗压强度和能量吸收能力的目标函数，求解泡沫混凝土在抗压强度和能量吸收能力方面的最佳设计特征，获取泡沫混凝土的最佳性能设计方案。

公开(公告)号：CN120030442A

公开(公告)日：2025-05-23

申请号：CN202510113418.1

申请日：2025-01-24

Applicant: 华中科技大学

Inventor： 阮滨 ,  胡耀东 ,  缪剑雄 ,  刘崇瑾 ,  周正龙

IPC: G06F18/243 ,  G06F18/214 ,  G06F18/211 ,  G06N5/01 ,  G06N3/0464

Abstract: 本发明公开了一种基于深度混合人工智能的漫滩相软土压缩系数预测方法，获取漫滩相软土土样经过试验所得的试验数据，利用试验数据生成数据集，利用CNN‑CatBoost深度混合模型建立漫滩相软土压缩系数预测模型，将数据集输入漫滩相软土压缩系数预测模型进行训练，对漫滩相软土压缩系数预测模型进行解释性分析。本发明能够在复杂环境下自动学习和提取数据特征，与实际值比较能够证实其预测能力的优越性，并通过可解释性分析解决深度学习模型的黑盒问题，得出各个特征对影响输出变量的影响规律。

公开(公告)号：CN119886407A

公开(公告)日：2025-04-25

申请号：CN202411797501.7

申请日：2024-12-09

Applicant: 华中科技大学

Inventor： 阮滨 ,  郭洋 ,  胡耀东 ,  黄浩 ,  周正龙 ,  王苏阳 ,  席仁强

IPC: G06Q10/04 ,  G01N3/00 ,  G01N1/28 ,  G06F30/27 ,  G06N3/0464 ,  G06N3/08 ,  G06F18/214 ,  G06F18/213 ,  G06F18/24

Abstract: 本发明公开了一种基于可解释性人工智能的饱和珊瑚砂动剪切模量预测方法，包括制备饱和珊瑚砂试样并进行试验，生成数据集，利用CNN‑TCN‑Attention组合神经网络建立饱和珊瑚砂动剪切模量预测模型并训练；利用SHAP方法对预测模型的数据进行解释性分析。本发明关注饱和珊瑚砂土质的特殊性并采用共振柱试验获得大量室内试验数据，填补深度学习预测领域中的数据稀缺问题，同时SHAP法可以有效解决机器学习模型存在的黑盒问题，增强预测模型的可解释性，能够确定各输入变量对输出变量的影响规律。本发明首次提出了可解释性深度学习模型实现饱和珊瑚砂动剪切模量的精准预测，并基于额外的试验验证模型可靠性。