一种基于深度神经网络模型的回填土压实度质量评估方法

本发明公开一种基于深度神经网络模型的回填土压实度质量评估方法，包括：通过多源传感器实时采集压实过程中的土壤的各类物理特性，并进行数据标注及时空自适应归一化处理；基于多源传感器的位置信息及多源传感数据，采用改进的经验模态分解结合随机共振增强方法，融合多源传感器同阶模态分量，得到与压实度相关的内禀模态函数；结合图卷积运算、随机共振门控、多尺度时序注意力、混合损失函数、动态课程学习策略等，对深度神经网络模型进行训练；基于训练好的模型，进行待测区域的回填土压实度质量评估。本发明通过实时采集多源数据，结合时空自适应归一化、经验模态分解、动态自适应图卷积等先进技术，实现高效、稳定的回填土压实度评估。