本发明涉及一种基于多层神经网络的沥青路面弯沉盆预测方法，所述方法包括以下步骤：步骤1、采集历年沥青路面使用性能检测数据及沥青路面使用性能影响因素数据，根据采集到的数据进行分类；步骤2、编码转换器对输入数据进行预编码；并通过长短期记忆(LSTM)网络和一个线性层将预编码矩阵映射为输出编码矩阵；步骤3、耦合器通过重构的方式对步骤2中的长短期记忆(LSTM)网络进行训练；步骤4：解释器:给出结构路面的弯沉盆数据预测；步骤5：使用基于python的深度学习框架pytorch来训练并测试多层神经网络模型，用于对沥青路面的弯沉盆进行预测。该技术方案基于多层神经网络模型预测沥青路面弯沉盆，与传统神经网络模型相比，大大提高了预测效率。
声明：
“一种基于多层神经网络的沥青路面弯沉盆预测方法” 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)
1168
编辑：管理员
来源：北方有色网
咨询细节
