申请/专利权人：同济大学;上海嘉浏高速公路建设发展有限公司

申请日：2023-12-11

公开（公告）日：2024-03-15

公开（公告）号：CN117711539A

主分类号：G16C60/00

分类号：G16C60/00;G16C20/70;G16C20/20;G06F18/214;G06F18/241

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.02#实质审查的生效;2024.03.15#公开

摘要：本发明涉及改性沥青材料技术领域，且公开了一种基于机器学习的多性能要求聚氨酯改性沥青成分设计方法，包括以下步骤：步骤一、建立聚氨酯改性沥青基本数据集；步骤二、对步骤一中的基本数据集进行分类并获得初始数据集；步骤三、对步骤二中的初始数据集法进行无量纲化处理；步骤四、根据所述数据集建立正向预测神经网络模型；步骤五、根据所述数据集建立聚氨酯改性沥青逆向设计神经网络模型；步骤六、依据实际工程所需要的目标性能；步骤七、将初始设计成分方案作为输入数据载入到步骤五中训练后的聚氨酯改性沥青正向预测模型；步骤八、计算所述预测性能与设定目标性能的误差；步骤九、判断所述误差是否在预设误差范围内。

主权项：1.一种基于机器学习的多性能要求聚氨酯改性沥青成分设计方法，其特征在于，包括以下步骤：步骤一、收集关于聚氨酯改性沥青文献或实验历史数据，建立含材料成分和性能的聚氨酯改性沥青基本数据集；步骤二、对步骤一中的基本数据集进行分类，并根据待设计的聚氨酯改性沥青从基本数据集中选择对应的数据作为初始数据集；步骤三、对步骤二中的初始数据集采用归一化方法进行无量纲化处理；步骤四、根据所述数据集建立聚氨酯改性沥青的“成分→性能”正向预测神经网络模型，并对其进行训练；步骤五、根据所述数据集建立聚氨酯改性沥青的“性能→成分”逆向设计神经网络模型，并对其进行训练；步骤六、将依据实际工程所需要的目标性能P目标作为输入数据载入到步骤五中训练后的聚氨酯改性沥青逆向设计模型，获得初始成分方案；步骤七、将初始设计成分方案作为输入数据载入到步骤四中训练后的聚氨酯改性沥青正向预测模型，获得聚氨酯改性沥青预测性能值P预测；步骤八、计算所述预测性能与设定目标性能的误差；步骤九、判断所述误差是否在预设误差范围内；若是，则聚氨酯改性沥青设计完成；若否，则重新建立和重新训练聚氨酯改性沥青正向预测和逆向设计模型，并重复步骤四到步骤八。

全文数据：

权利要求：

百度查询： 同济大学;上海嘉浏高速公路建设发展有限公司 基于机器学习的多性能要求聚氨酯改性沥青成分设计方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD