一种基于深度学习的有砟轨道道床含沙状态预测方法

本发明提供一种基于深度学习的有砟轨道道床含沙状态预测方法，包括：建立风沙道床的离散元仿真模型并分析获得风沙道床在不同位置和深度区域的刚度参数；基于刚度参数，建立车辆‑沙化有砟轨道耦合有限元仿真模型并分析获得不同含沙状态下轨枕的振动加速度；将振动加速度作为训练数据并输入至构建的含沙状态预测模型，以对含沙状态预测模型训练，获得训练好的含沙状态预测模型，并利用训练好的含沙状态预测模型进行含沙状态预测，含沙状态预测模型是基于卷积神经网络和长短期记忆网络的深度学习模型。本发明能够对道床含沙状态进行高精度预测。对于指导线路养护维修作业和保障列车平稳运营具有重要参考价值。