[发明专利]一种路基压实质量评判方法、装置、设备及可读存储介质

权利要求书

1.一种路基压实质量评判方法，其特征在于，包括：

获取试验数据，所述试验数据包括压路机的振动参数、土体性质信息和动态变形模量Evd实测数值，所述压路机的振动参数包括振动加速度峰值、振动频率、振动激振力和碾压次数；

将所述试验数据划分为训练集样本和测试集样本；

设定BP神经网络模型参数，所述参数包括允许误差线、允许最大失败的次数和学习的精度；

利用所述训练集样本对所述BP神经网络模型进行训练，得到训练后的BP神经网络模型；

利用训练后的BP神经网络模型对测试集样本进行预测，得到动态变形模量Evd预测数值。

2.根据权利要求1所述的路基压实质量评判方法，其特征在于，所述利用所述训练集样本对所述BP神经网络模型进行训练，得到训练后的BP神经网络模型，包括：

利用所述训练集样本对所述BP神经网络模型进行训练，得到新的动态变形模量Evd数值；

根据所述新的动态变形模量Evd数值计算所述训练集样本的拟合度；

判断所述拟合度是否满足要求，若不满足要求则改变所述BP神经网络模型的所述参数再次进行学习，直到所述拟合度满足要求，得到所述训练后的BP神经网络模型。

3.根据权利要求2所述的路基压实质量评判方法，其特征在于，所述利用所述训练集样本对所述BP神经网络模型进行训练，得到新的动态变形模量Evd数值，包括：

通过以下步骤对所述训练集样本中每个样本进行训练；

通过公式（1）和公式（2）计算所述BP神经网络模型的隐藏层中各神经元的输入和输出，所述公式（1）为：

（1）

所述公式（2）为：

（2）

公式（1）和（2）中，表示隐藏层各个神经元的输入，表示隐藏层各个神经元的输出，表示输入层第i个节点的输入，表示输入层第i节点和隐藏层第j节点的连接权值，表示隐藏层第j节点的阈值，f采用的是Sigmoid公式，m表示输入层节点数，i表示输入层的节点序号；

通过公式（3）和公式（4）计算所述BP神经网络模型的输出层中各神经元的输入和输出，所述公式（3）为：

（3）

所述公式（4）为：

( （4）

公式（3）和（4）中，表示输出层各神经元的输入，表示隐藏层第j节点和输出层第k节点的连接权值，表示隐藏层第j节点的阈值、表示输出层第k节点的阈值，表示输出层各神经元的输出，n表示隐藏层节点数，j表示隐藏层的节点序号；

通过公式（5）计算连接到所述BP神经网络模型的输入层单元上的权值误差，所述公式（5）为：

（5）

公式（5）中，表示连接到输入层单元上的权值误差，表示输出层各神经元的输出，表示样本期望值；

通过公式（6）计算连接到所述BP神经网络模型的隐藏层单元上的权值误差，所述公式（6）为：

（6）

公式（6）中，表示连接到隐藏层单元上的权值误差，表示隐藏层各个神经元的输出，表示连接到输入层单元上的权值误差，表示隐藏层第j节点和输出层第k节点的连接权值，q表示输出层节点数，k表示输出层的节点序号；

通过公式（7）和公式（8）更新输出层的连接权值以及阈值，所述公式（7）为：

（7）

所述公式（8）为：

（8）

公式（7）和（8）中，表示更新之后的隐藏层第j节点和输出层第k节点的连接权值，表示更新之前的隐藏层第j节点和输出层第k节点的连接权值，表示权值调整参数，表示连接到输入层单元上的权值误差，表示隐藏层各个神经元的输出；表示更新之后的输出层第k节点的阈值，表示更新之前的输出层第k节点的阈值，表示阈值调整参数；

通过公式（9）和公式（10）更新隐藏层的连接权值和阈值，所述公式（9）为：

（9）

公式（10）为：

（10）

公式（9）和（10）中，表示更新之后的的输入层第i节点和隐藏层第j节点的连接权值，表示更新之前的输入层第i节点和隐藏层第j节点的连接权值，表示权值调整参数，表示连接到隐藏层单元上的权值误差，表示输入层第i个节点的输入；表示更新之后的隐藏层第j节点的阈值，表示更新之前的隐藏层第j节点的阈值，表示阈值调整参数；

当所述训练集样本中的所有的样本训练完毕后，计算均方误差，若所述均方误差满足输出条件，则输出新的动态变形模量Evd数值。