1.一种基于深度学习的碳纤维增强水泥基材料的设计方法，其特征在于，包括以下步骤：步骤1，确定碳纤维增强水泥基材料的微观结构设计参数和物理性能设计参数；将n组已设计完成的碳纤维增强水泥基材料数据包作为训练样本，将每组已设计完成的碳纤维增强水泥基材料数据包划分为微观结构数据和物理性能数据，并构建对应的微观结构训练样本集和物理性能训练样本集；

其中，n＞100；每组微观结构数据包含已设计完成的碳纤维增强水泥基材料的微观设计参数、多幅扫描电子显微镜图像及其对应的二值化图像、碳纤维分散性指标、界面交互面积；每组物理性能数据包含已设计完成的碳纤维增强水泥基材料的物理性能设计参数、弯曲强度、导电系数和导热系数；

步骤2，根据微观结构训练样本集，对应构建微观结构深度神经网络模型；根据物理性能训练样本集，对应构建物理性能深度神经网络模型；

步骤3，采用微观结构训练样本集对微观结构深度神经网络模型进行训练，得到微观结构评估模型；采用物理性能训练样本集对物理性能深度神经网络模型进行训练，得到物理性能评估模型；

步骤4，随机选择ε组已设计完成的碳纤维增强水泥基材料数据包，ε＞45，对应ε个已设计完成的碳纤维增强水泥基材料；给定待设计目标材料的弯曲强度、导电系数和导热系数，计算待设计目标材料与每个已设计完成的碳纤维增强水泥基材料之间的性能损失值，进而计算每个性能损失值相对于待设计目标材料的弯曲强度、导电系数、导热系数的偏导；

步骤5，将每个已设计完成的碳纤维增强水泥基材料数据包中的部分微观结构设计参数输入微观结构评估模型，对应得到微观结构评估模型每个全连接层的每个神经元的输出结果；将每个已设计完成的碳纤维增强水泥基材料数据包中的物理性能设计参数输入物理性能评估模型，对应得到物理性能评估模型每个全连接层的每个神经元的输出结果；根据每个性能损失值相对于待设计目标材料的弯曲强度、导电系数、导热系数的偏导，采用反向传播法计算物理性能评估模型每个全连接层的每个神经元输出偏差，进而计算微观结构评估模型每个全连接层的每个神经元输出偏差；并据此计算目标材料的微观设计参数和物理性能设计参数，即得到目标材料的设计方案。

2.根据权利要求1所述的基于深度学习的碳纤维增强水泥基材料的设计方法，其特征在于，所述微观结构设计参数包含碳纤维掺量、水灰比、碳纤维混合类型、搅拌时间、搅拌速度、分散剂类型、养护温度、养护湿度和水泥强度；所述物理性能设计参数包含碳纤维分散性指标、界面交互面积、养护温度、养护湿度、养护时间、碳纤维强度、碳纤维导电率、碳纤维导热率、水泥强度；

步骤5中，所述部分微观结构设计参数为碳纤维掺量、水灰比、碳纤维混合类型、搅拌时间、搅拌速度和分散剂类型。

3.根据权利要求2所述的基于深度学习的碳纤维增强水泥基材料的设计方法，其特征在于，所述碳纤维混合类型包含前掺法和后掺法；所述分散剂类型包含甲基纤维素、羧甲基纤维素钠和羟乙基纤维素。

4.根据权利要求1所述的基于深度学习的碳纤维增强水泥基材料的设计方法，其特征在于，所述扫描电子显微镜图像对应的二值化图像中水泥基体材料的像素点灰度值为255、对应碳纤维的像素点灰度值为0；或者水泥基体材料的像素点灰度值为0、对应碳纤维的像素点灰度值为255。

5.根据权利要求4所述的基于深度学习的碳纤维增强水泥基材料的设计方法，其特征在于，根据扫描电子显微镜图像对应的二值化图像，计算碳纤维分散性指标DSEM：式中：ANoCF，j为第j幅扫描电子显微镜图像对应的二值化图像中水泥基体材料的像素点数量，ASingleCF，j为第j幅扫描电子显微镜图像对应的二值化图像中碳纤维对应的像素点数量；m为一组已设计完成的碳纤维增强水泥基材料数据包中扫描电子显微镜图像的数量；

根据扫描电子显微镜图像对应的二值化图像，计算界面交互面积IIA：式中：Ainteractionarea，j为第j幅扫描电子显微镜图像对应的二值化图像中水泥基体材料和碳纤维接触面积的像素点数量；Abackground，i为第j幅扫描电子显微镜图像对应的二值化图像中水泥基体材料的像素点数量。

6.根据权利要求1所述的基于深度学习的碳纤维增强水泥基材料的设计方法，其特征在于，所述微观结构深度神经网络模型包含输入层、多个全连接层、线性回归层和输出层，每个全连接层的激活函数为tanh；

所述物理性能深度神经网络模型包含输入层、多个全连接层和输出层，每个全连接层的激活函数为tanh。

7.根据权利要求1所述的基于深度学习的碳纤维增强水泥基材料的设计方法，其特征在于，所述采用微观结构训练样本集对微观结构深度神经网络模型进行训练，得到微观结构评估模型，其具体为：(a)设置微观结构深度神经网络模型的线性回归层的损失函数上限为Lmax；

(b)随机选取一组已设计完成的碳纤维增强水泥基材料数据包，提取该数据包中的微观设计参数；

(c)将该数据包中的微观设计参数作为微观结构深度神经网络模型的输入，碳纤维分散性指标和界面交互面积作为微观结构深度神经网络模型的输出，对微观结构深度神经网络模型进行训练；

(d)计算当前训练中线性回归层的损失函数值Lpre；

(e)比较当前训练中线性回归层的损失函数值Lpre与损失函数上限Lmax的大小，若Lpre≥Lmax，则转入步骤(f)；若Lpre＜Lmax，则训练完成，得到微观结构评估模型；

(f)采用反向传播算法，更新微观结构深度神经网络模型中每个全连接层的权值和偏置。

8.根据权利要求1所述的基于深度学习的碳纤维增强水泥基材料的设计方法，其特征在于，所述采用物理性能训练样本集对物理性能深度神经网络模型进行训练，得到物理性能评估模型，其具体为：(a)设置物理性能深度神经网络模型的线性回归层的损失函数上限为Lmax′；

(b)对于微观结构深度神经网络模型训练过程中选取的数据包，提取该数据包中的物理性能设计参数；

(c)将该数据包中的物理性能设计参数作为物理性能深度神经网络模型的输入，已设计完成的碳纤维增强水泥基材料的弯曲强度、导电系数和导热系数作为物理性能深度神经网络模型的输出，对物理性能深度神经网络模型进行训练；

(d)计算当前训练中线性回归层的损失函数值Lpre′；

(e)比较当前训练中线性回归层的损失函数值Lpre′与损失函数上限Lmax′的大小，若Lpre′≥Lmax′，则转入步骤(f)；若Lpre′＜Lmax′，则训练完成，得到微观结构评估模型；

(f)采用反向传播算法，更新物理性能深度神经网络模型中每个全连接层的权值和偏置。

9.根据权利要求1所述的基于深度学习的碳纤维增强水泥基材料的设计方法，其特征在于，所述给定待设计目标材料的弯曲强度、导电系数和导热系数，计算待设计目标材料与每个已设计完成的碳纤维增强水泥基材料之间的性能损失值，进而计算每个性能损失值相对于待设计目标材料的弯曲强度、导电系数、导热系数的偏导，其具体为：首先，计算待设计目标材料与每个已设计完成的碳纤维增强水泥基材料的性能损失值：式中：||·||2表示求2范数；y＝(y1，y2，y3)，y1，y2，y3依次为待设计目标材料的弯曲强度、导电系数、导热系数； 依次为第i个已设计完成的碳纤维增强水i

泥基材料数据包P中的实测弯曲强度、导电系数、导热系数；

然后，对于每个已设计完成的碳纤维增强水泥基材料的性能损失值，分别计算其相对于待设计目标材料的弯曲强度、导电系数、导热系数的偏导：

10.根据权利要求9所述的基于深度学习的碳纤维增强水泥基材料的设计方法，其特征在于，步骤5包含以下子步骤：(5.1)将部分微观结构设计参数 输入微观结构评估模型，对应得到第γ层的第a个神经元的输出结果

其中：部分微观结构设计参数为碳纤维掺量、水灰比、碳纤维混合类型、搅拌时间、搅拌速度和分散剂类型； 为第γ层第a个神经元和第γ‑1层第s个神经元的连接权值，s＝

1，...，αγ‑1； 为第γ层第a个神经元的偏置；αγ和αγ‑1分别为第γ个全连接层和第γ‑1个全连接层的神经元个数； 为第γ‑1层的第s个神经元的输出结果；

将物理性能设计参数 输入物理性能评估模型，对应得到第δ层的第b个神经元的输出结果

式中：δ＝1，...，Δ，Δ为物理性能评估模型的全连接层的总个数； 为第δ层第b个神经元和第δ‑1层第k个神经元的连接权值，k＝1，...，βδ‑1； 为第δ层第b个神经元的偏置；βδ和βδ‑1分别为第δ层和第δ‑1层的神经元个数； 为第δ‑1层的第k个神经元的输出结果；

(5.2)将每个性能损失值相对于待设计目标材料的弯曲强度、导电系数、导热系数的偏导作为物理性能评估模型的输出偏差进行反向传播，计算物理性能评估模型每个全连接层的每个神经元输出偏差：式中： 为第δ层的第b个神经元和第δ+1层的第K个神经元的连接权值，K＝1，...，βδ+1；βδ和βδ+1分别为第δ层和第δ+1层的神经元个数； 为第δ层的第b个神经元的输出结果；

i

由于 计算性能损失值Loss(y ，y)关于

的偏差：

式中： 分别为第1层第1个、第2个、第3个神经元与第2层第K1个神经元的连接权值，K1＝1，...，β1；β1为第0层的神经元个数；

(5.3)将性能损失值关于碳纤维分散性指标和界面交互面积的偏差 和作为微观结构评估模型的输出偏差进行反向传播，计算微观结构评估模型的每个全连接层和每个神经元的输出偏差：

第γ层的第a个神经元的输出结果 的偏差

式中：γ＝1，...，Γ，Γ为微观结构评估模型的全连接层总层数； 为第γ层第a个神经元和第δ+1层第J个神经元的连接权值，J＝1，...，αγ+1；αγ和αγ+1分别为第γ层和第γ+1层的神经元个数； 为第γ层的第a个神经元的输出结果；

上式满足 和 据此计算性能损失

i

值Loss(y，y)关于部分微观结构设计参数 的偏差：

i

根据公式 计算性能损失值Loss(y ，y)

关于物理性能设计参数 的偏差：

(5.4)采用性能损失值关于部分微观结构设计参数的偏差 和性能损失值关于物理性能设计参数的偏差 分别对部分微观结构设计参数和

物理性能设计参数进行修正，得到每个设计参数的修正值：

(5.5)对于ε个已设计完成的碳纤维增强水泥基材料数据包对应的每个设计参数的修正值 计算每个设计参数的平均值，得到待设计目标材料的设计参数：