融合气象数据的沥青路面温度多层次LSTM

刘丽彤^1，2*，孙 爽^1，2，周长明^1，2，齐海超^1，2，高倩楠^1，2，魏思灼^1，2

(1. 黑龙江省气候中心，黑龙江 哈尔滨 150030; 2. 五营国家气候观象台，黑龙江 伊春 153000)

摘　要：　构建了一个基于长短期记忆网络(LSTM)的深度学习模型，用于预测沥青路面上、中、下面层的温度。根据2024年全年的气象观测数据(包括环境温度、风速、降雨量、日照时间等)与沥青路面内部温度传感器数据，探究了气象因素与沥青路面温度之间的复杂关系。研究结果表明：构建的LSTM模型在沥青路面各面层温度预测上均表现良好，决定系数R2均超过0.95;模型预测精度随路面深度的增加而提高，上、中、下面层温度预测的RMSE值分别为1.62、1.13、0.74 ℃;夏季温度预测误差最高、冬季最低，反映了季节性气候条件对预测准确性的影响;高温区间(≥30 ℃)预测误差最大且离散性较高，而中低温区间表现最佳。该研究成果不仅为理解沥青路面温度变化规律提供了理论依据，还可为沥青路面性能评估、养护决策和施工规划提供参考，具有重要的实际意义。

关键词：　沥青路面温度; 气象数据; 长短期记忆网络(LSTM); 深度学习

引文格式： 刘丽彤，孙爽，周长明，等. 融合气象数据的沥青路面温度多层次LSTM预测模型研究[J]. 市政技术，2025，43(7)：123-130. (LIU L T，SUN S，ZHOU C M，et al. Multi-level LSTM prediction model for asphalt pavement temperature integrating meteorological data[J]. Journal of municipal technology，2025，43(7)：123-130.)