本发明属于道路工程，具体涉及一种道路车辙深度预测方法和装置、系统、存储介质。
背景技术：
1、随着交通网络的迅速扩张和车辆负荷的不断增加，公路和城市道路的维护成为了交通系统运行中的一个重要议题。路面车辙是长期车辆荷载作用下公路路面出现的槽状凹陷，严重影响了道路的使用性能和行车安全。因此，准确预测道路车辙深度对于路面设计、养护及路面材料选择具有重要意义。然而，车辙深度的形成是一个复杂的过程，受多种因素影响，如车辆轴重、路面材料、温度和道路使用年限等，这使得利用传统的物理模型或经验公式进行预测变得极其困难。
2、近年来，人工智能技术，尤其是人工神经网络，因其出色的非线性映射能力和自我学习能力，被广泛应用于众多领域，包括道路工程问题的解决。bp神经网络作为一种典型的前馈神经网络，通过梯度下降法和误差反向传播算法，不断调整网络中的权值和阈值，直至网络输出与期望输出的误差满足一定的精度要求。然而，神经网络在训练和预测过程中存在训练效率低和容易陷入局部最优的问题，这可能导致预测结果与实际情况存在较大的偏差，特别是在处理高度复杂和非线性的道路车辙深度预测问题时。
技术实现思路
1、本发明要解决的技术问题是，提供一种道路车辙深度预测方法和装置、系统、存储介质，能够解决神经网络在训练和预测过程中存在训练效率低和容易陷入局部最优的问题，进而造成预测结果与实际结果误差较大，进而无法准确确定在温度和轴载影响下路面车辙深度的问题。
2、为实现上述目的，本发明采用如下的技术方案：
3、一种道路车辙深度预测方法，包括如下步骤：
4、步骤s10、获取历史道路车辙深度数据；
5、步骤s20、对道路车辙深度数据进行归一化处理；
6、步骤s30、根据归一化处理后的道路车辙深度数据，训练基于遗传算法优化的神经网络模型；
7、步骤s40、将待处理的路车辙深度数据输入到训练好的神经网络模型中实现预测车辙深度。
8、作为优选，历史道路车辙深度数据包括：温度、车辆轴载l、实际测得的历史车辙深度数据。
9、作为优选，步骤s30包括：
10、根据归一化处理后的道路车辙深度数据建立神经网络模型；
11、基于遗传算法优化的神经网络模型。
12、本发明还提供一种道路车辙深度预测装置，包括：
13、获取模块，用于获取历史道路车辙深度数据；
14、归一化模块，用于对道路车辙深度数据进行归一化处理；
15、训练模块，用于根据归一化处理后的道路车辙深度数据，训练基于遗传算法优化的神经网络模型；
16、预测模块，用于将待处理的路车辙深度数据输入到训练好的神经网络模型中实现预测车辙深度。
17、作为优选，历史道路车辙深度数据包括：温度、车辆轴载l、实际测得的历史车辙深度数据。
18、作为优选，训练模块包括：
19、构建单元，用于根据归一化处理后的道路车辙深度数据建立神经网络模型；
20、优化单元，用于基于遗传算法优化的神经网络模型。
21、本发明还提供一种道路车辙深度预测系统，包括：存储器和处理器，所述存储器上存储有由所述处理器运行的计算机程序，所述计算机程序在被所述处理器运行时执行道路车辙深度预测方法。
22、本发明还提供一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序在运行时执行道路车辙深度预测方法。
23、本发明用于准确预测道路车辙深度。通过数据预处理技术，如数据清洗和归一化，处理环境温度、车辆轴载以及车辙深度的数据。利用这些处理后的数据，构建一个神经网络模型，其中温度和轴载数据作为输入，而车辙深度作为输出。重点在于采用遗传算法来优化神经网络结构，包括确定最佳隐藏层大小，以达到最小的均方误差。该优化过程确保了模型在预测车辙深度时的高准确度。随后，使用该模型在独立测试集上进行预测，并通过各种统计和可视化技术，如三维散点图和误差分析图，验证预测结果的可靠性。本发明为道路养护和管理提供了一个有效、科学的预测工具，能够帮助采取及时的维护措施，提高道路安全性和寿命。
1.一种道路车辙深度预测方法，其特征在于，包括如下步骤：
2.如权利要求1所述的道路车辙深度预测方法，其特征在于，历史道路车辙深度数据包括：温度、车辆轴载l、实际测得的历史车辙深度数据。
3.如权利要求2所述的道路车辙深度预测方法，其特征在于，步骤s30包括：
4.一种道路车辙深度预测装置，其特征在于，包括：
5.如权利要求4所述的道路车辙深度预测装置，其特征在于，历史道路车辙深度数据包括：温度、车辆轴载l、实际测得的历史车辙深度数据。
6.如权利要求5所述的道路车辙深度预测装置，其特征在于，训练模块包括：
7.一种道路车辙深度预测系统，其特征在于，包括：存储器和处理器，所述存储器上存储有由所述处理器运行的计算机程序，所述计算机程序在被所述处理器运行时执行如权利要求1-3中的任一项所述的道路车辙深度预测方法。
8.一种存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序在运行时执行如权利要求1-3中的任一项所述的道路车辙深度预测方法。
