[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

说明书

本发明提供了一种路基压实质量评判方法、装置、设备及可读存储介质，所述方法包括：获取试验数据；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。本发明通过选用BP神经网络模型，能够在较短的时间之内且成本较低的情况下得到较为精准的动态变形模量Evd预测数值，让施工过程变得更加智能化。

技术领域

本发明涉及铁路工程技术领域，具体而言，涉及一种路基压实质量评判方法、装置、设备及可读存储介质。

背景技术

目前高速铁路路基压实质量的检测指标有压实系数K、相对密度Dr、地基系数K30、孔隙率、动态变形模量Evd等。在这些检测指标当中，动态变形模量Evd因为快速、便捷、高效等优点常常被用于检测路基压实质量之中。在现场路基压实的试验之中，现场得到的Evd数据有时候也并不能准确或者精确的反映路基的压实质量，除了受到压路机司机操作技术问题等一系列的不确定因素之外，不能准确的改变压路机的振动参数也是影响实测Evd数据的一个重要方面。

发明内容

本发明的目的在于提供一种路基压实质量评判方法、装置、设备及可读存储介质，以改善上述问题。

为了实现上述目的，本申请实施例提供了如下技术方案：

一方面，本申请实施例提供了一种路基压实质量评判方法，所述方法包括：

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。

可选的，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。

可选的，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：