【技术实现步骤摘要】
本专利技术属于沥青材料领域，涉及一种沥青材料数据生成方法，具体涉及一种基于深度学习的虚拟沥青生成方法。
技术介绍
1、近年来，大数据与人工智能的结合推动了数据驱动科学在材料研究中的应用，因此，机器学习在材料科学领域成为了一个备受关注且热门的话题。与传统模型依赖特定物理机制和数学公式不同，机器学习方法可以通过特征工程技术和算法从现有材料数据中提取隐藏的知识和模式。随着机器学习的快速发展和应用，它为建立沥青材料组成-性能关系模型提供了有力工具。然而，现有机器学习方法在沥青材料中的应用主要集中在改性剂的用量和实验条件上，而不是建立沥青材料的组成-性能关系模型。原因是基于机器学习建立沥青的组成-性能关系模型需要大量的沥青样本数据。然而，采集足够多的样本需要耗费大量时间，并且数据的完整性难以保证。因此，解决沥青组成-性能高质量数据不足的问题对于开发全面、准确的机器学习模型至关重要。
2、基于现有数据，采用数据增强方法生成虚拟数据是解决数据量不足问题的有效方法。随着深度学习的发展，一些虚拟数据生成模型相继出现，并因其令人印象深刻的表现而...
【技术保护点】
1.一种基于深度学习的虚拟沥青生成方法，其特征在于所述方法包括如下步骤：
2.根据权利要求1所述的基于深度学习的虚拟沥青生成方法，其特征在于所述步骤二中，虚拟沥青VAE-GAN组合生成模型的具体生成步骤如下：
3.根据权利要求1所述的基于深度学习的虚拟沥青生成方法，其特征在于所述步骤四中，网络结构包含：编码器、解码器及生成器的层数和组成、卷积核大小、激活函数类型。
4.根据权利要求1所述的基于深度学习的虚拟沥青生成方法，其特征在于所述步骤五的具体步骤如下：
5.根据权利要求1所述的基于深度学习的虚拟沥青生成方法，其特征在...
【技术特征摘要】
1.一种基于深度学习的虚拟沥青生成方法，其特征在于所述方法包括如下步骤：
2.根据权利要求1所述的基于深度学习的虚拟沥青生成方法，其特征在于所述步骤二中，虚拟沥青vae-gan组合生成模型的具体生成步骤如下：
3.根据权利要求1所述的基于深度学习的虚拟沥青生成方法，其特征在于所述步骤四中，...
【专利技术属性】
技术研发人员：王亚杰，司俊彦，单丽岩，逄蕴泽，谢紫菀，申河，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。