一种基于机器学习的路面结构设计自动循环优化方法

本发明公开了一种基于机器学习的路面结构设计自动循环优化方法，包括：步骤S1，建立路面结构有限元分析结果数据库，生成不同荷载、材料和结构参数下路面力学响应数据，为后续有限元‑反卷积神经网络训练提供数据标签；步骤S2，建立有限元‑反卷积神经网络，基于路面结构有限元分析结果数据库进行网络训练，将有限元分析过程映射至有限元‑反卷积神经网络；步骤S3，基于训练完成的有限元‑反卷积神经网络，输入不在预选范围的路面结构参数，进行正向预测。本发明解决了现有技术无法快速求解路面结构层在不同厚度组合、材料参数和交通荷载下的应力、应变和塑性变形分布矩阵，自动优化结构层厚度来最小化控制点应力、应变及塑性变形的问题。