一种基于自适应多任务深度学习的车桥耦合系统可靠度分析方法

本发明涉及一种基于自适应多任务深度学习的车桥耦合系统可靠度分析方法，属于轨道交通基础设施安全技术领域。针对现有技术无法高效同步预测车辆与桥梁响应、多任务损失权重调整困难的问题，提出自适应多任务学习模型AMLM。该模型集成改进的大猩猩群体优化算法MGTO、共享卷积神经网络CNN及双路状态融合门控长短期记忆网络SFLSTM；通过同方差不确定性损失加权策略动态平衡车辆与桥梁预测任务；结合概率密度演化法PDEM构建AMLM‑PDEM框架。技术效果包括：实现车桥响应同步高精度预测，自主优化多任务权重分配，显著提升计算效率与建模精度，完善车桥系统时变可靠度评估体系。