本发明公开了一种基于路元拆分和深度学习模型的路面使用性能预测的方法,在采集到多年路面使用性能检测数据及路面使用性能影响因素数据的基础上,根据收集到的这些数据将整体路网划分成一个一个的道路单元。在应用LSTM模型进行预测前需要确定神经网络的输入输出变量,将路面使用性能的影响因素作为模型的输入;对原始数据进行预处理,对连续变量进行归一化,确保所有连续变量具有相似的值域,进而提高模型的收敛速度和预测精度;进行LSTM网络结构设计,以验证集损失值最小的模型作为最优模型;使用基于python的深度学习库keras来建立LSTM模型,并完成对路面使用性能的预测。本发明解决了传统的路面使用性能模型预测结果误差大、精度不高的问题,极具现实意义。
声明:
“基于路元拆分和深度学习模型LSTM的路面使用性能预测方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)