1.一种沥青混合料疲劳寿命预测方法，其特征在于，包括如下步骤：S1 采用数字图像处理方法和间接拉伸疲劳试验对沥青混合料试样进行循环加载，获取沥青混合料试样的水平应变数据和疲劳寿命数据；

S2 根据沥青混合料试样的水平应变数据和疲劳寿命数据，构建第一函数关系式，第一函数关系式表示累积水平应变与循环加载次数的函数关系；

S3 基于沥青混合料试样的累积水平应变建立损伤因子；

S4 根据第一函数关系式和损伤因子，构建预测模型；

S5 利用预测模型对沥青混合料进行预测，得到疲劳寿命预测结果；

累积水平应变的数学表达式为：式中，Exx

第一函数关系式的数学表达式为：式中，Exx

损伤因子的数学表达式为：

式中，D

预测模型的数学表达式为：

式中，D

步骤S2还包括利用第一优化算法对第一函数关系式的第一拟合参数进行寻优，过程如下：步骤一、将第一拟合参数a和b作为参数向量，初始化参数向量θ步骤二、计算雅可比矩阵J

式中，J

步骤三、计算自适应正则化系数λ步骤四、对水平应变数据进行分段，得到m个区间步骤五、从m个区间中选择一个区间i；

步骤六、计算区间i内的雅可比矩阵步骤七、计算更新步长

式中，

步骤八、更新参数向量：

式中，

步骤九、重复步骤五-步骤八，遍历所有区间；

步骤十、计算自适应学习率η

步骤十一、判断是否满足收敛条件，若是，则输出m个分区的局部参数向量，若否，则返回步骤二进行下一次迭代；

步骤十二、计算每个区间内的残差平方和，根据残差平方和确定各个分区的权重，利用加权平均对m个分区的局部参数向量进行计算，得到最终的最优第一拟合参数a和b；

步骤S4还包括利用第二优化算法对预测模型的第二拟合参数进行寻优，过程如下：第一步、设置初始学习率α

第二步、目标函数F设为均方误差，即预测值与实际值之差的平方的平均值；

第三步、根据初始第二拟合参数c，计算目标函数对c的梯度第四步、设置迭代次数t=0，初始化动量项v第五步、更新学习率：

第六步、计算当前梯度

第七步、更新动量项：

第八步、更新第二拟合参数c：第九步、计算当前的目标函数F；

第十步、令t=t+1，返回第五步；

第十一步、当t=T时，迭代结束，输出最终的第二拟合参数c。

2.如权利要求1所述的一种沥青混合料疲劳寿命预测方法，其特征在于，步骤S1包括：S11 在沥青混合料试样的表面喷涂或粘贴一层散斑点；

S12 对沥青混合料试样施加循环载荷，进行间接拉伸疲劳试验，在试验过程中，使用相机对沥青混合料试样进行连续拍摄，得到图像序列；

S13 对获得的图像序列进行预处理，并使用图像处理算法对图像序列中每一帧图像的散斑点进行识别和位置提取，得到散斑点的像素级坐标；

S14 将散斑点的像素级坐标作为输入，利用亚像素算法得到散斑点亚像素级坐标；

S15 根据散斑点在变形前后的坐标变化，计算沥青混合料试样表面各散斑点的位移矢量场，对位移矢量场求梯度，得到应变场分布，从应变场分布中提取水平方向的应变分量，即为散斑点处的水平应变值；

S16 通过图像分割算法，提取沥青混合料试样的开裂区域的边界，选取开裂区域内的散斑点作为目标散斑点；

S17 对目标散斑点的水平应变值进行算数平均，得到开裂区域内的平均水平应变，作为水平应变数据；

S18 将沥青混合料试样完全开裂时记录的循环加载次数，作为沥青混合料试样的疲劳寿命数据。

3.如权利要求1所述的一种沥青混合料疲劳寿命预测方法，其特征在于，步骤S14包括：S141 将所有散斑点的像素级坐标记为集合{(xS142 选择一个散斑点的像素级坐标(xS143 以当前散斑点的像素级坐标(xS144 将当前散斑点的像素级坐标(xS145 重复步骤S142-S144，直至遍历所有的散斑点的像素级坐标，得到散斑点的像素级坐标与坐标矩阵的字典{((xS146 选择字典中的一个元素((xS147 根据坐标矩阵C

S148 将灰度质心坐标(CS149 重复步骤S146-S148，遍历字典中的所有元素，输出得到各个散斑点的亚像素坐标。

4.如权利要求1所述的一种沥青混合料疲劳寿命预测方法，其特征在于，所述方法还包括在对沥青混合料试样进行循环加载之前，根据间接拉伸强度试验确定循环载荷，过程如下：准备沥青混合料预试件，对沥青混合料预试件进行间接拉伸强度试验；

记录每个沥青混合料预试件的峰值载荷P式中，ITS为间接拉伸强度，P计算所有沥青混合料预试件的平均间接拉伸强度ITS确定疲劳试验应力比R

根据疲劳试验应力比R

式中，P