[发明专利]预测边坡稳定性的建模及分析方法、设备和存储介质在审
| 申请号： | 201711423677.6 | 申请日： | 2017-12-25 |
| 公开（公告）号： | CN108062448A | 公开（公告）日： | 2018-05-22 |
| 发明（设计）人： | 冯现大;张西文;杨令强;孙炀;侯树展 | 申请（专利权）人： | 济南大学 |
| 主分类号： | G06F17/50 | 分类号： | G06F17/50;G06K9/62 |
| 代理公司： | 北京志霖恒远知识产权代理事务所(普通合伙) 11435 | 代理人： | 曹丽 |
| 地址： | 250022 山东省济南市*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本申请公开了一种预测边坡稳定性的建模及分析方法、设备和存储介质。建模方法包括以下步骤：建立边坡稳定性历史数据集，所述历史数据集选自历史案例，并包括描述所述数据的多个特征，所述历史数据集包括丢失数据；对特征因素中的连续因子进行离散化；采用最大期望算法确定所述丢失数据的最大似然估计值，以形成新的完整的边坡稳定性数据集；以边坡实际的稳定状况作为分类标准，利用朴素贝叶斯分类器对所述边坡稳定性数据集的数据进行训练，确定各所述特征因素分别在边坡各种稳定状况下的条件概率，得到朴素贝叶斯分类模型。 | ||
| 搜索关键词： | 预测 稳定性 建模 分析 方法 设备 存储 介质 | ||
【主权项】：
1.一种预测边坡稳定性的建模方法，其特征在于，包括以下步骤：建立边坡稳定性历史数据集，所述历史数据集选自历史案例，并包括描述所述数据的多个特征，所述历史数据集包括丢失数据；对特征因素中的连续因子进行离散化；采用最大期望算法确定所述丢失数据的最大似然估计值，以形成新的完整的边坡稳定性数据集；以边坡实际的稳定状况作为分类标准，利用朴素贝叶斯分类器对所述边坡稳定性数据集的至少部分数据进行训练，确定各所述特征因素分别在边坡各种稳定状况下的条件概率，得到朴素贝叶斯分类模型。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于济南大学，未经济南大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201711423677.6/，转载请声明来源钻瓜专利网。
