一种路基累积变形概率预测方法

本发明公开了一种路基累积变形概率预测方法，涉及智能预测技术领域，首先，本发明基于人工神经网络和经验信息开发了三个数据‑经验驱动神经网络模型，并通过多层次综合评估体系确定了最佳数据‑经验驱动神经网络模型。其次，使用四种Bootstrap算法来修正最优数据‑经验驱动神经网络模型中的不确定性，即Pairs、Residuals、Wild和Moving Block Bootstrap，以开发和优选路基累积变形的概率预测模型。最后，利用最优概率预测模型进行超前预测分析、非平稳性测试和低置信度分析，确定路基的长期变形稳定性。并借助路基试验段和激励试验，进行了案例研究。本发明解决了传统机器学习路基累积预测模型存在时间分布外泛化性差、路基累积变形预测可靠性低的弊端。