本發明公開了一種基于路元拆分和深度學習模型的路面使用性能預測的方法,在采集到多年路面使用性能檢測數據及路面使用性能影響因素數據的基礎上,根據收集到的這些數據將整體路網劃分成一個一個的道路單元。在應用LSTM模型進行預測前需要確定神經網絡的輸入輸出變量,將路面使用性能的影響因素作為模型的輸入;對原始數據進行預處理,對連續變量進行歸一化,確保所有連續變量具有相似的值域,進而提高模型的收斂速度和預測精度;進行LSTM網絡結構設計,以驗證集損失值最小的模型作為最優模型;使用基于python的深度學習庫keras來建立LSTM模型,并完成對路面使用性能的預測。本發明解決了傳統的路面使用性能模型預測結果誤差大、精度不高的問題,極具現實意義。
聲明:
“基于路元拆分和深度學習模型LSTM的路面使用性能預測方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)